Dlib:C++の機械学習ライブラリ

画像認識系の人達の間では、高性能な顔の器官検出(Face Alignment)が手軽に利用できることで知られているC++のライブラリ Dlib。(表記は大文字、小文字どっちなんでしょう?)
英語のWikipediaによると、2002年から開発されているかなり歴史のあるライブラリみたい。

公式ブログによると、最新バージョンのdlib 19.0からDeep Learning APIが備わったようです。

Dlib C++ Library

dlib

Dlibは、現実世界の問題を扱う高度なソフトウェアを実装するための機械学習アルゴリズムやツールを備えたモダンなC++ツールキットです。Dlibはロボット工学、組み込みデバイス、携帯電話、巨大なハイパフォーマンスコンピューティング環境など、産業・アカデミック分野を問わず幅広い分野で利用されています。Dlibのオープンソースライセンシングにより、任意のアプリケーションに無料で利用できます。

Dlibの開発ソースコードのフォロー、または開発への参加はdlib on githubから。また、プロジェクトにコードを提出する予定であればHow to Contributeのページをお読みください。

dlibのライセンスはBoost Software License 1.0(BSL 1.0)なので、ソースコードも丸ごと配布する場合を除き、著作権表示なしでも商用利用可。(とても緩いライセンスですね)

C++で使えることを強調してるけど、Pythonバインドもある。機械学習以外の様々なツールも盛り込まれていて、一見すると何がメインのライブラリなのか良くわからないですが、オイラは機械学習のライブラリと捉えています。



ということで、GitHub上のリポジトリはこちら↓
https://github.com/davisking/dlib

Face Alignment

Face Alignmentに関する公式ブログの記事はこちら↓
http://blog.dlib.net/2014/08/real-time-face-pose-estimation.html
Real-Time Face Pose Estimation

データをOpenCV形式に変換する関数も用意されているし、公式にWebカメラの画像からリアルタイムにFace Alignmentを実行するサンプルコードが公開されているので、本当に簡単なんですよね↓
http://dlib.net/webcam_face_pose_ex.cpp.html

こちらがDlibのFace Alignment↓



ちなみに、顔の検出処理もOpenCVと異なっているらしく、OpenCVの顔検出との性能比較動画が公開されている。
青い丸がOpenCV、赤い矩形がdlibによる顔検出。↓



4月に第33回 コンピュータビジョン勉強会@関東でも紹介されてた。↓

2018年5月 追記:現在は同じ検出アルゴリズムがOpenCVのFacemark APIにも実装されています↓


Deep Learning API

Dlibバージョン19.0で新しく入ったDeep Learning APIについて公式ブログで説明されている↓

A Clean C++11 Deep Learning API

A Clean C++11 Deep Learning API

ざっと要約すると、

C++11規格に則ったDeep Learning APIで、CPU, GPUでの演算に対応。NVIDIAのDeep LearningライブラリcuDNNにバインドされていて、複数GPUを利用した学習が可能。
ImageNetを34層 Deep Residual Learningに基づいて訓練したモデル(?)が付属し、それを利用した実装サンプルはこちら

追記:バージョン19.3からDeep Learningによる顔認識(認証とか照合?)ツールが加わったらしい。
http://blog.dlib.net/2017/02/high-quality-face-recognition-with-deep.html

本リリースで多くの新機能が追加されましたが、最も注目すべきはdlibのdeep learning APIを使った最先端の顔認識サンプルを含むdeep learningツールです。
詳しくは http://dlib.net/dnn_face_recognition_ex.cpp.html をご覧ください。

Deep Face Recognitionのサンプルコードはこちら↓

http://dlib.net/dnn_face_recognition_ex.cpp.html

関連記事

OpenCV

Qlone:スマホのカメラで3Dスキャンできるアプリ

OpenCVの超解像(SuperResolution)モジュ...

Web経由でRaspberry PiのGPIOを操作したい

スクレイピング

HD画質の無駄遣い

機械学習での「回帰」とは?

DCGAN (Deep Convolutional GAN)...

GAN (Generative Adversarial Ne...

Structure from Motion (多視点画像から...

オーバーロードとオーバーライド

OpenMayaRender

OpenCVでiPhone6sのカメラをキャリブレーションす...

Unity ARKitプラグインサンプルのドキュメントを読む

ポリゴンジオメトリ処理ライブラリ『pmp-library (...

Mitsuba 3:オープンソースの研究向けレンダラ

Managing Software Requirements...

Mayaのシェーディングノードの区分

Unreal Engineの薄い本

viser:Pythonで使える3D可視化ライブラリ

PSPNet (Pyramid Scene Parsing ...

OpenCV 3.1のsfmモジュールのビルド再び

クラスの基本

GoogleのDeep Learning論文

フィーリングに基づくタマムシの質感表現

Rerun:マルチモーダルデータの可視化アプリとSDK

データサイエンティストって何だ?

DensePose:画像中の人物表面のUV座標を推定する

Webサイトのワイヤーフレームが作成できるオンラインツール

Google App Engine上のWordPressでF...

iPadをハンディ3Dスキャナにするガジェット『iSense...

clearcoat Shader

PGGAN:段階的に解像度を上げて学習を進めるGAN

Maya API Reference

Python for Unity:UnityEditorでP...

サンプルコードにも間違いはある?

Math.NET Numerics:Unityで使える数値計...

Point Cloud Libraryに動画フォーマットが追...

AndroidもopenGLも初心者さ (でもJavaは知っ...

顔検出・認識のAPI・ライブラリ・ソフトウェアのリスト

LuxCoreRender:オープンソースの物理ベースレンダ...

Google Colaboratoryで遊ぶ準備

コメント