训练过程非常简单如上图，最咗侧是输入框摄像头实时记录着你的动作、表情等等，作为训练的“输入”；中间是学习框可以根据不同的输入分成不同的类别；右側是输出框，可以根据不同的输入按照不同的类别训练相应的输出结果。

在上图中实验者训练 AI 在见到他抬起右手后，就显示猫的 gif 图茬只训练了这一项输入的情况下，中间的学习框显示AI “百分之百”确定这一输入对应的是猫的 gif 图。

实验者又训练 AI当输入是“实验者的臉”时，输入显示狗的 gif 图

实验者又训练 AI，当输入是“实验者张大嘴的脸”时输出兔子的 gif 图。

抬起右手输出猫的 gif 图；放下右手，输出狗的 gif 图从中间的学习框可以看到，AI 对输出结果比较确定

当实验者试图迷惑 AI，只是略微抬起右手时仍然得到了不同输出，但系统不那麼确定了

对于“实验者抬起左手”这一输入，AI 给出的实验结果仍然是猫的 gif 图显然，AI 认为这一输入和“抬起右手”更为接近

当然，你鈳以尝试不同的输入试着愚弄 AI。

Teachable Machine 可以在手机上使用你可以直接用手机的摄像头来训练。

我们提供了两款 API一款是直接执行的模型，一款是以 TensorFlow API 为镜像、延期执行的模型deeplearn.js 由GoogleBrain PAIR 团队开发，其初始目标是为浏览器构建强大的互动式机器学习工具但它现在也可在教育、模型理解、艺术项目等广泛场景中得到应用。

【扫一扫或点击阅读原文抢购五折“早鸟票”】

TensorFlow实现人脸识别(3)--------对人脸样本进行训練保存人脸识别模型

TensorFlow实现人脸识别(3)--------对人脸样本进行训练，保存人脸识别模型

汽车行业ADAS功能需求日益增长防疲劳驾驶是一个热门方向，对于驾驶员状态的检测人脸识别是基础，只有快速准确地识别到人脸才能对人脸状态进行分析。本文将介紹基于S32V来实现人脸识别的应用

NXP于2015开始推出S32V平台，现在已经推出了第二代型号S32V234第三代目前已经在样品阶段，该平台定位为ADAS视觉处理提供了视觉系统应用所需的性能和功能。

对于图像处理S32V具有自己的特色：

硬件方面：具有两路CSI和两路并口摄像头接口，提供了可图形化编程的ISP、APEX以及3D渲染的GPU。其中可编程的ISP可以对通过CSI输入的摄像头图像数据进行处理支持HDR、颜色转换、色调映射等。APEX提供了并行图像处理的能力还提供了H264硬件编解码等，基本覆盖了图像处理所需要的硬件资源

软件方面：提供了VSDK，包含S32V平台的各个外设驱动并配有相关例程。API方面提供了OpenCV、FFmpeg、OpenCL、OpenGL、EGL等常用图像处理相关库

采用索尼的IMX224摄像头作为图像输入，移植人脸识别库建立演示demo将检测到的人脸实时用方框標记出来。

图2 人脸识别方案框图

这里通过运行在IPUS0中的debayer_rgb_simple_interleaced实现了摄像头Debayer数据转RGB，然后通过FDMA传输到DDR中供算法调用如果对于图像有特殊要求的，可以自己建立对应的IPUS核对图像数据进行相关处理。

移植人脸识别算法库该库基于NCNN神经网络上搭建人脸识别系统，依赖的库有OpenCV、NCNN以及Sqlit3这些库需要交叉编译，其中OpenCV和Sqlit3的ARM版S32V已经提供不需要再进行编译编译后的NCNN和人脸识别算法库都是静态库，不需要拷贝到目标板上

通过Qt來实现界面显示，首先在pro文件中添加VSDK中获取摄像头数据的相关库算法移植的相关库，然后通过如下API接口获取图像数据

再调用如下接口進行人脸检测：

最后将检测结果通过Qt界面显示出来，如下图所示

通过测试，人脸检测耗时如下所示：