Este componente utiliza a biblioteca facenet-pytorch, a qual disponibiliza o modelo MTCNN para detecção de faces. O MTCNN possui a performance estado da arte nos benchmarks FDDB e WIDER FACE. Melhores explicações são encontradas neste artigo do kaggle.
Espera-se como entrada para o componente um arquivo .zip com imagens.
A seguir são listados todos os parâmetros utilizados pelo componente:
- Tamanho da imagem:
integer, padrão:160.
Tamanho da imagem de saída em pixels. Imagem será quadrada. - Margem adicionada ao bbox:
integer, padrão:20.
Margem adicionada em relação ao número de pixels da imagem final. - Menor tamanho de rosto:
integer, padrão:20.
Menor tamanho de rosto que o algorítimo irá procurar em pixels. - Fator de escalabilidade:
integer: padrão:0.709.
Fator de escalabilidade para pirâmide de tamanhos de rosto. - Manter todas as faces:
boolean, {True,False}, padrão:True.
Se True retorna todas as faces, se não retorna apenas a com maior probabilidade caso encontre. - Ambiente:
string, {"cuda","cpu"}, padrão:"cuda".
Escolher entre CPU e GPU. Se escolher GPU e não houver irá substituir automaticamente por cpu. - Semente Aleatória:
integer, padrão:7.
Semente para replicabilidade dos resultados. - Batch size para inferência:
integer, padrão:2.
Inferência em batch para acelerar o processo. - Dimensão para redimensionamento:
integer, padrão:512.
Dimensão em que todas as imagens serão redimensionadas para poderem ser procesadas em batch. Ficarão todas quadradas.
O retorno durante a experimentação ajuda o usuário a analisar tanto métricas distintas de forma visual, como a distribuição dos dados e os dados brutos ao final da execução. Sendo assim, é possível visualizar diversos retornos para este componente como os listados a seguir:
- Tabela dos dados
Apresenta visualização dos dados após o treinamento do modelo com a variável resposta e dados sobre o modelo.
Lista com todas as face ou apenas a face com maior probabilidade.