今回は下記のDeepfaceを触ってみたので紹介したいと思います．

作業環境

M1 Mac
Python 3.9

環境構築

M1 MacでMiniforgeを使用している方の環境構築手順となっています
それ以外の方は，GitHubのREADMEを参考に構築を行ってください

$ conda install -c apple tensorflow-deps
$ python -m pip install tensorflow-macos 
$ python -m pip install tensorflow-metal
$ pip install deepface --no-deps 
$ pip install retina-face --no-deps 
$ pip install pandas Flask gdown mtcnn Pillow

M1 MacでGitHubのREADME通りにインストールを行うと下記のようなエラーが出ると思います．
上の手順通りにインストールしてください

ERROR: Could not find a version that satisfies the requirement tensorflow>=1.9.0 (from deepface) (from versions: none) ERROR: No matching distribution found for tensorflow>=1.9.0 (from deepface)

実際に動かしてみる

実際に動かすために下記のようなpythonファイルを作成してください

realtime.py

from deepface import DeepFace
DeepFace.stream(db_path = "./database/", model_name = "ArcFace", detector_backend = 'ssd')

./databaseには，顔画像が保存されています．

$ tree
├── realtime.py
└── database
    ├── hoge.jpg
    ├── mage.jpg
    └── sen
        ├── sen1.jpg
        ├── sen2.jpg
        └── sen3.jpg

python3 realtime.py

動作結果を見やすいようにするために，ソースコードを多少書き換えています．

パラメーターの紹介

顔認証のモデルは，以下の9つの中から選択することが可能です．

model_name = 
    'VGG-Face',
    'OpenFace',
    'Facenet',
    'Facenet512',
    'DeepFace',
    'DeepID',
    'Dlib',
    'ArcFace',
    'SFace'

また，顔を検出するモデルも変更することが可能です．
defalutでは，opencvが使用されているため検出精度が低いです．

detector_backend = 
    ‘opencv’,
    ‘ssd’,
    ‘mtcnn’,
    ‘dlib’,
    ‘retinaface’

顔認証では，顔同士の距離計算で類似度を測っています．
そのため，下記のコサイン類似度とユークリッド距離のパラーメータを選択することが可能です．

distance_metric =
    ‘cosine’,
    ‘euclidean’,
    ‘euclidean_l2’

最後に

今回紹介したGitHubのリポジトリは，下記のサイトで見つけたので共有させていただきます．
最後まで読んでくださり，ありがとうございます．

目次

作業環境

環境構築

実際に動かしてみる

パラメーターの紹介

最後に