在上篇文章中,小编介绍了建立美颜sdk中人脸识别项目中部分关键步骤,包括目标用户画像分析、市场分析、文档准备。接下来的文章中,小编将继续介绍构建人脸模型中最重要的步骤之一:数据标注、以及编译打包测试和优化验收上线。
一、数据标注
1、数据图片的采集:爬取收集符合模型训练的人脸图片,或是运用公司的数据图片等。
2、数据图片的标注:在规范文档的指引下,将图片分发给标注团队进行数据的标注,对一些模棱两可的图片,如图片中的人脸较模糊,此时该照片是要还是不要,期间应与算法团队保持沟通,有时暗的图片在算法的优化中能准确识别,这样增加实际情况的容错率,那么这张图片则视为有效数据;有时较暗的图片经过算法之后并不能达到要求(即无法定位出人脸关键点),此时这照片则视为无效数据,直接剔除;但是标注团队并不知道这张图片是有效还是无效,所以标注过程中,负责算法的团队也需间接参与进来。
3、数据的反馈:在部分图片标注过程后,交于算法团队训练模型调节参数,期间将测试后的数据反馈给还在标注的人员,有时可能造成过拟合有时可能造成欠拟合等方便对数据进行重新操作。
二、算法流程梳理
人脸采集、人脸检测、图像的预处理、人脸忒正提取、图像的匹配识别、AR虚拟等。
三、编译打包测试
将训练好的人脸识别算法程序打包后,就要开启一系列测试,包含:
1、手机摄像头测试
2、平台后台程序测试
3、算法与平台后台测试
4、模型识别时间、准确率、召回率测试
5、服务器稳定性测试
6、网络带宽限制测试
7、其它平台、硬件产品常规测试
8、目标用户使用测试
六、优化和验收上线
经过各种测试之后,针对反馈回来的数据对产品进行优化,人脸识别算法有可能会出现贴图、关键点定位不准确的情况,在修复这些bug后,按照流程功能进行验收后上线。
以上就是美颜sdk中关于人脸识别项目设计的所有思路,如果你对美颜sdk接入有需求,欢迎咨询官方客服。
声明:本文由美狐原创,未经允许禁止转载,谢谢合作。