DCiFR

DCiFR（面部识别中的人口特征）是一种包装软件，允许您运行深度学习模型来解析图像中的人口特征。这个用 Python 编写的开源包装软件有一个 GUI，它允许您在没有任何编码知识的情况下运行复杂的模型。这包括deepface和fairface的函数，并使用PyQT5 构建以提供 GUI。

入门

1. 如果您尚未安装 Python，请导航至此链接进行安装。

2. 将此存储库下载到您的本地设备。

3. 在命令行中，将您的工作目录更改为 <下载路径>。

4. 对于初始运行，在命令行中输入以下内容。

• 视窗

dcifr.sh

• 苹果电脑

sh dcifr.sh

5. 初次运行后，使用以下代码运行 DCiFR。

python3 dcifr.py

DeepFace 属性

基于图像中的人脸，DCIFR 的 DeepFace 管道报告四个属性的结果：年龄、情感、性别和种族。

• 年龄 - 预测年龄将介于 0 - 100 之间。
• 情绪 - 七种可能的情绪之一：愤怒、厌恶、恐惧、快乐、悲伤、惊讶、中性。
• 性别 - 报告男性或女性。
• 种族 - 该软件预测属于七个种族类别之一的概率：亚洲人、黑人、印度人、拉丁裔/西班牙裔、中东人或白人。结果显示概率最高的种族类别。

有关属性及其建模方式的更多信息，请参见此处。

FairFace 属性

基于图像中的人脸，DCiFR 的 FairFace 管道报告八个属性的结果：race、race4、gender、age、race_scores_fair、race_scores_fair_4、gender_scores_fair 和 age_scores_fair。

• 种族 - 属于七个种族类别之一的预测概率：白人、黑人、拉丁裔_西班牙裔、东亚、东南亚、印度或中东。
• Race4 - 落入四个种族类别之一的预测概率：白人、黑人、亚洲人或印度人。
• 性别 - 报告男性或女性。
• 年龄 - 预测年龄将在以下范围内：0-2、3-9、10-19、20-29、30-39、40-49、50-59、60-69 或 70+。
• Race_scores_fair - 预测种族的模型置信度得分。
• Race_scores_fair_4 - 预测race4 的模型置信度得分。
• Gender_scores_fair - 预测性别的模型置信度得分。
• Age_scores_fair - 预测年龄的模型置信度得分。

有关属性及其建模方式的更多信息，请参见此处。

输出

结果将作为dcifr_Deepface_results或dcifr_Fairface_results保存在用户文档中的 DCIFR 文件夹中，并在文件名末尾附加创建日期和时间。

参考

• 深面
• 公平脸
• PyQT5