将 mediapipe iris tflite 转换为 tf/keras 作为预处理器

Question

我正在尝试构建一个使用 iris 来估计到相机距离的应用程序。我发现 Mediapipe 有它（https://github.com/google/mediapipe/tree/master/mediapipe/modules/iris_landmark），但它在 tflite 中。我希望我可以将它转换为 tf/keras 模型作为预处理器层（不可训练图）（在 Python/GoogleColab 中）。 我在 SO（如 (1) ）中发现了许多问题，它们试图将其转换为 h5/pb，这不完全是我的情况，因为我不需要优化器、损失函数等。我只需要恢复层和权重。

(1)Is there any way to convert a tensorflow lite (.tflite) file back to a keras file (.h5)?

(2) Mediapipe Iris 也在 tfjs 中，也没有解决我的问题...https://github.com/tensorflow/tfjs-models/tree/master/face-landmarks-detection("shouldLoadIrisModel")

Answer 1

不久前转换为 tfjs 图形模型：https://github.com/vladmandic/human/tree/main/models

查看我的实现的相同存储库

注意：

• iris 模型需要裁剪的人脸作为输入，因此需要与人脸检测器配对（任何人脸检测器都可以，mediapipe 使用blazeface）
• iris 模型并不能真正检测距离，它会提供精确的虹膜框坐标，并且鉴于生物眼睛的虹膜大小对于所有人来说大部分都是固定的，然后简单的数学就可以估计距离