# 人訓所11577期人工智慧訓練班
[toc]
## 人臉辨識
### 應用場景#1桃廠人員進出管制
桃園煉油廠為重要國家關鍵基礎設施,為避免受破壞,有必要建立人臉識別系統,
運用攝影機,在大門等位置設置攝影機,未來並整合到廠區的車牌辨識系統,建構一個完整的電子圍籬
### 應用場景#2中油人訓所報到系統
目前報到程序需大量人力驗證員工證等程序,若能導入人臉識別系統,採自助式報到,可節省大量人力,提昇工作效率
### 開源framework
預計採用開源套件,
### chatgpt 推薦
你可以考慮使用 OpenCV 中的 Haar cascades 演算法。這是一個被廣泛使用的開源人臉辨識技術，具有良好的準確性和效率。另外還有 Dlib 中的 HOG 演算法也值得一試。
當作應用開源人臉識別技術構建自己的系統，有很多可選的開源套件可以使用。其中，以下是幾個比較受歡迎的選擇：

OpenCV: OpenCV 是一個開放原始碼的計算機視覺庫，提供了大量的圖像處理和計算機視覺工具，包括人臉檢測和識別功能。

Dlib: Dlib 是一個計算機視覺和機器學習庫，支持許多不同的人臉檢測和識別算法，包括 HOG 和卷積神經網絡（CNN）。

FaceNet: FaceNet 是一個由 Google 研發的人臉識別框架，基於 TensorFlow，可以通過訓練自己的模型來實現人臉識別。

使用這些開源套件，您可以快速構建一個人臉識別系統。首先，您需要收集大量的人臉圖像，並使用這些圖像訓練模型。然後，您可以使用訓練好的模型進行人臉檢測和識別。

如果您不熟悉人臉識別技術，建議您參考一些教程和文檔，以獲得有關如何使用這些套件的詳細信息。

[open cv sample code](https://colab.research.google.com/drive/19ycW95jQH2qCyqpcDrDY_c0oY2VGidw3?usp=sharing)

### Arcfac(Facenet) + Pytorch
本次環境根據課前通知會採用python程式語言以及Pytorch架構。經過Github的爬梳，應該會採用Arcface基礎，或是facenet基礎架構去改進。
最後開發目標是希望可以動態偵測攝影機的影像(60 frame/per second)，針對鏡頭內的行人偵測臉部並比對於資料庫內的資訊後顯示名字。
訓練樣本擬採LFW(Labeled Faces in the Wild Home）以及 CASIA-Webface兩項樣本，easy sample作為訓練資料，hard sample作為實驗資料。
### [deepface](https://chtseng.wordpress.com/2021/12/04/deepface-%E5%8A%9F%E8%83%BD%E5%AE%8C%E6%95%B4%E7%9A%84%E9%96%8B%E6%BA%90%E4%BA%BA%E8%87%89%E8%BE%A8%E8%AD%98%E5%A5%97%E4%BB%B6/)

### Arcface
(https://github.com/TreB1eN/insightFace_Pytorch)

[聯發科比賽](https://aidea-web.tw/topic/c20c2d78-b199-48a4-ae03-6cf2ff50f569?focus=intro)
## 個資法問題