timesler/facenet-pytorch
Facenet Pytorch
facenet-pytorch est une bibliothèque de reconnaissance faciale pour PyTorch qui fournit des réseaux neuronaux pré-entraînés pour détecter les visages et extraire des embeddings faciaux. Elle inclut un détecteur de visage MTCNN pour localiser les visages et les points de repère, aux côtés d'un encodeur de visage InceptionResnet pour convertir les images faciales en vecteurs de haute dimension pour la vérification d'identité.
Le projet fournit des outils pour la reconnaissance d'identité en comparant les embeddings faciaux en utilisant la similarité cosinus. Il prend également en charge le suivi vidéo facial pour maintenir la cohérence de l'identité à travers les images consécutives et permet le fine-tuning de modèles pré-entraînés sur des jeux de données personnalisés pour améliorer la précision de reconnaissance pour des individus ou environnements spécifiques.
La bibliothèque couvre un large éventail de capacités de vision par ordinateur, incluant la localisation faciale, la vérification d'identité et le traitement de tenseurs d'image via la normalisation par lots.
Features
- Facial Recognition - Provides a complete system for identifying and verifying individuals using facial biometric analysis.
- Cascaded Face Detectors - Uses a multi-stage cascade of neural networks to refine face bounding boxes and landmarks.
- Face Embedding Encoders - Provides an Inception-ResNet encoder to convert facial images into high-dimensional identity vectors.
- Face Detection - Locates the exact position and boundaries of faces using the MTCNN model.
- Facial Landmark Detection - Identifies facial bounding boxes and key landmarks within raw image data.
- Cosine Similarity Metrics - Implements cosine similarity to compare facial embeddings for identity verification.
- Face Embedders - Implements an Inception-ResNet architecture to map facial images to high-dimensional vectors.
- Facial Vector Representations - Converts facial images into high-dimensional numerical vectors for identity verification.
- Face Tracking - Tracks faces across consecutive video frames to maintain identity consistency.
- Pretrained Model Snapshots - Ships pretrained model checkpoints that can be immediately used for facial analysis.
- Facial Recognition Training - Implements training pipelines to optimize facial recognition models for specific identities.
- Pretrained Weight Initializers - Allows loading pretrained weights to enable immediate facial recognition without training from scratch.
- Subject-Specific Fine-Tuning - Supports fine-tuning pretrained models on custom datasets to improve recognition of specific individuals.
- Vision Model Fine-Tuning - Adapts pretrained vision models using custom datasets to increase recognition accuracy.
- Vision par ordinateur - Pre-trained models for face detection and recognition.
- Face identification - Listed in the “Face identification” section of the Ailia Models awesome list.
- Facial, Action and Pose Recognition - Listed in the “Facial, Action and Pose Recognition” section of the The Incredible Pytorch awesome list.
