InsightFace：2D和3D人脸分析项目 和 执照 InsightFace的代码根据MIT许可证发布。 学术和商业用途均不受限制。 包含注释的训练数据（以及使用这些数据训练的模型）仅可用于非商业研究目的。 介绍 InsightFace是主要基于MXNet的开源2D＆3D深度面部分析工具箱。 主分支MXNet 1.2工程1.6，与Python 3.x的。 ArcFace视频演示 请点击图片观看YouTube视频。 对于Bilibili用户，请单击。 最近更新 2021-01-20 ： 根据实施ArcFace和部分FC的。 2020-10-13 ：DeepGlint发布一种新的训练方法和一个大型训练集（360K ID）。 2020-10-09 ：我们开放了大规模识别测试基准 2020-08-01 ：我们发布了具有快速坐标回归功能（106分）的轻型面部界标模型。 查看详细。 2

人脸检测网站 目录 基本信息 一个现代网站，用于使用库检测人脸。 它还可以检测到您的面部表情并通过输出Happy，sad，natural等 输出 技术领域 使用以下项目创建项目： HTML CSS JavaScripts 设置 克隆项目 $ git clone https://github.com/Vaibhav-84/BTS.git 要在您的计算机上运行该网站，请单击index.html

Video Face Clustering with Unknown Number of Clusters.pdf

树莓派Python人脸识别模块，官网下载较慢，可以选择这里下载

1.版本为21.1 如果还其他版本需在引用里替换相应版本DLL 2.dll 在本地Tekla安装目录里都能找到 3.实现的功能是通过选取构件的某一个面（face）来根据这个面设置坐标系

kaggle2019年已标注的人脸识别数据集，包括13233张250x250大小的人脸彩色图，图片来源是网络名人，每人多张，其中每张照片命名为“人名+序号”，（如Abdullah_Gul_0001），包括不同场景、表情、头部姿态、光照等，可作为野外真实场景下的人脸识别数据集。

人脸识别数据，资源来自中科院。

实时人脸检测Centerface 非官方版本的Centerface，可在速度和准确性之间取得最佳平衡。 Centerface是一种适用于边缘设备的实用的免锚人脸检测和对齐方法。 该项目提供了培训脚本，培训数据集和预培训模型，以方便用户重现结果。最后，感谢中心人的作者提供的培训建议。 WIDER_FACE验证集中的性能结果 使用相同的火车数据集而没有其他数据对于多比例尺，将比例尺设置为0.8、1.0、1.2、1.4 ，但它们的尺寸也将调整为800 * 800，因此我认为这不是真正的多比例尺测试。 方法 简单 中等的 难的 我们的（一个尺度） 0.9206 0.9089 0.7846 原版的 0.922 0.911 0.782 我们的（多尺度） 0.9306 0.9193 0.8008 要求 使用pytorch，您可以使用pip或conda来安装要求 # for pip cd

matlab代码替换视频中的人脸替换 人脸检测和更换。 请在此处找到我们文件中的详细说明： 结果在这里： 要运行代码： 安装了MATLAB。 执行run_video.m 要更改输入视频： 更改run_video.m中第7、9和10行的路径。 替换图像： test_run.m

TensorFlow中的Insight Face 任务 mxnet数据集到tfrecords 骨干网络架构[vgg16，vgg19，resnet] 骨干网络体系结构[resnet-se，resnext] LResNet50E-IR LResNet100E-IR 加法角余量损失 余弦面损失 火车网络代码 在训练期间添加验证 多GPU训练 合并损失由RogerLo提供。 评估代码 培训技巧（持续更新） 如果您不能使用大批量（> 128），则应使用较小的学习率 如果您不能使用大批量（> 128），则可以尝试重新规范化批量（文件L_Resnet_E_IR_RBN.py ） 如果使用多个