Keras-OpenFace Keras-OpenFace是一个将从其原始Torch实现转换为版本的项目 如果您只对使用预先训练的模型感兴趣 加载Keras OpenFace模型（精度：0.938 + -0.013） from keras . models import load_model from keras . utils import CustomObjectScope import tensorflow as tf with CustomObjectScope ({ 'tf' : tf }): model = load_model ( './model/nn4.small2.v1.h5' ) 运行整个转换过程，并查看Kears-Openface-convertion.ipynb $ jupyter notebook CoreML-OpenFace 在Model / o

FaceNet paper 论文解析,网页版可查看博客：https://blog.csdn.net/chzylucky/article/details/79716272

MobileFaceNet_TF MobileFaceNet的Tensorflow实现。 依存关系 张量流> = r1.5 OpenCVPython的3.x python 3.x 科学的 斯克莱恩 麻木 网络 泡菜 准备数据集 选择以下链接之一来下载Insightface提供的数据集。 （特别推荐MS1M-refine-v2） ， ， ， 将数据集移动到${MobileFaceNet_TF_ROOT}/datasets 。 运行${MobileFaceNet_TF_ROOT}/utils/data_process.py 。 预训练模型 训练 通过特殊项目自行优化超级参数。

Google提出的开源人脸识别算法FaceNet的预训练模型，FaceNet的官方的预训练模型，20180402-114759 NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.

实时人脸识别器 该示例演示了Android上的实时人脸识别。 该项目基于 。 灵感 该项目的灵感来自 屏幕截图 该代码可以识别5位名人的面Kong。 另外，您可以使用照片添加新人。 预训练模型 来自大卫·桑德伯格的脸网 型号名称 LFW精度 训练数据集 建筑 0.9965 VGGFace2 来自MediaPipe 论文： 执照

基于MobileFacenet的Coral EdgeTPU支持的人脸识别 还提供了带有Tensorflow-2，EdgeTPU模型的Mobilefacenet，用于在Coral EdgeTPU上运行模型 介绍 来自Tensorflow 2版本的mobilefacenet 演示版 在带有Coral TPU的台式机上运行60 fps，在树莓派上运行约24 fps 用法 数据集 使用与使用的数据集相同的数据集进行训练。 CASIA用于训练，LFW用于测试。 训练 在train.py中更改指向图像数据集的目录。 我通过将RESUME设置为False直接使用ArcFace训练了模型，但是值得尝试使用softmax损失进行预训练 我添加了一个示例，以添加额外的标题以使用生成的嵌入来执行分类，在这里，我使用生成的嵌入来预测人是否戴着口罩。 您可以通过使用另一个数据集来获得更多乐趣 结果 经过训练的模型

基于mtcnn与facenet实现人脸登录系统 本文主要介绍了系统涉及的人脸检测与识别的详细方法，该系统基于python2.7.10 / opencv2 / tensorflow1.7.0环境，实现了从摄像头读取视频，检测人脸，识别人脸的功能由于模型文件过大，git无法上传，整个项目放在百度云盘，地址： ://pan.baidu.com/s/1TaalpwQwPTqlCIfXInS_LA 目前，在实验室环境下，许多人脸识别已经赶上（超过）人工识别精度（准确率：0.9427〜0.9920），面部face ++，DeepID3，FaceNet等（但是，由于光线，角度，表情，年龄等多种因素，导致人脸识别技术无法在现实生活中广泛应用。此处基于python / opencv / tensorflow环境，采用FaceNet（LFW：0.9963）为基础来重建实时人脸检测与识别系统，探索人脸识别系统

TensorFlow FaceNet google官网训练模型 CASIA-WebFace 20170511-185253

Facenet用于使用pytorch进行人脸识别

开源项目facenet 预训练模型 20180402-114759 用于人脸识别，项目源码请见：https://github.com/davidsandberg/facenet