Need help with yynet?
Click the “chat” button below for chat support from the developer who created it, or find similar developers for support.

About the developer

YunYang1994
330 Stars 93 Forks 648 Commits 9 Opened issues

Description

🍎 My own face recognition with deep neural networks.

Services available

!
?

Need anything else?

Contributors list

# 5,166
Python
tensorf...
unet-im...
dcgan-t...
409 commits

人脸识别


这个仓库是使用

TensorFlow 2.0
框架,并基于 cvpr2019-arcface 论文上完成的,其中主要分为四大块:人脸检测、人脸矫正、提取特征和特征比对。各个模块的大小和在我的 17 款 macbook-pro 的 CPU 上跑耗时如下:
  • 人脸检测:使用的是 mtcnn 网络,模型大小约 1.9MB,耗时约 30ms;
  • 人脸矫正:OpenCV 的仿射变换,耗时约 0.83ms;
  • 提取特征:使用 MobileFaceNet 和 IResNet 网络,耗时约30ms;
  • 特征比对:使用曼哈顿距离,单次搜索和完成比对耗时约 0.011 ms;

注册人脸


注册人脸的方式有两种,分别是:

  1. 打开相机注册:
$ python register_face.py -person Sam -camera

s
键保存图片,需要在不同距离和角度拍摄 10 张图片或者按
q
退出。
  1. 导入人脸图片:

保证文件的名字与注册人名相同,并且每张图片只能出现一张这个 ID 的人脸。

$ python register_face.py -person Jay

识别人脸


|Method | LFW(%) | CFP-FP(%) | AgeDB-30(%) | MegaFace(%)| cpu-time | weights | |:---:|:---:|:---:|:---:|:---:|:---:|:---:| | MobileFaceNet | 99.50 | 88.94 | 95.91 | --- | 35ms | 下载链接 | IResNet | 99.77 | 98.27 | 98.28 | 98.47 | 435ms | 提取码: xgmo

识别模型用的是

MobileFaceNet
网络,这里直接使用了 insightface 在 ms1m-refine-v1 三百万多万张人脸数据集上训练的模型。这部分工作在
mxnet
分支上,你可以通过
git checkout mxnet
进行切换。

由于该模型是 mxnet 格式,因此使用了 mmdnn 导出了其模型权重

mobilefacenet.npy
。接着使用了
TF2
自己手写了一个
MobileFaceNet
网络并导入权重,预测精度没有任何损失。这部分工作在
master
分支上。

最后,如果你要识别人脸,可以执行:

$ python main.py

We use cookies. If you continue to browse the site, you agree to the use of cookies. For more information on our use of cookies please see our Privacy Policy.