WIDER FACE库，可以用于人脸检测、人脸识别的训练、测试。

InsightFace-REST 该存储库旨在为 InsightFace 人脸检测和识别管道提供方便、易于部署和可扩展的 REST API，使用 FastAPI 进行服务，使用 NVIDIA TensorRT 进行优化推理。 代码主要基于官方 DeepInsight InsightFaceAPI。 该存储库提供用于构建人脸识别 REST API 和使用 Docker 将模型转换为 ONNX 和 TensorRT 的源代码。 主要特征： 准备好使用 Docker 和 nvidia-docker2 在支持 NVIDIA GPU 的系统上进行部署。 启动时自动下载模型（使用 Google Drive）。 借助 TensorRT 优化、FP16 推理和使用 ArcFace 模型对检测到的人脸进行批量推理，性能比 MXNet 推理提高多达 3 倍。 支持较旧的 Retinaface 探

人脸识别的68个特征点检测库dat文件，人脸识别的5个特征点检测库dat文件以及dlib_face_recognition_resnet_model_v1.dat人脸识别模型

face-recognition:人脸识别考勤系统

人脸识别 使用HOG进行人脸检测，使用Facenet进行特征提取。 参考： 使用Keras，Dlib和OpenCV进行深脸识别

编译opencv所需下载的3rdparty，主要是 .cache中的文件，如ade、face_landmark_model、ffmpeg、ippicv、boostdesc、vgg等文件。

An Asian Face Dataset and How Race Influences Face Recognition.Deep Learning Facial Recognition Scheme May Give Better face recognition performance now, but this circuit requires a lot number of face data marked. Material Description

应用中央差分卷积网络（CDCN）进行面部反欺骗 安装 virtualenv -p python3 venv source venv/bin/activate pip install -r requirements.txt 数据准备 参考 [1]于子彤与赵，陈旭与王，泽正与秦，云霄与苏，卓与李，小白与周，冯与赵，国应。 搜索中央差分卷积网络以进行面部反欺骗，doi： ： [2]中央差分卷积网络，doi： ： [3]王则政，赵晨旭，秦云霄，周秋生，齐国俊，万钧，甄磊。 利用时间和深度信息进行多帧脸部反欺骗，doi： ：

face_login 利用facenet实现检测图片中的人脸，将识别到的人脸向量存入数据库，此外利用post提交一个新图片（也可以提交一个图片地址，参考face_recognition_api.py文件中get_url_imgae函数自行修改），返回数据库中相似的人脸的信息 算法主要分为2个步骤 1.提取图片中的人脸 ，并保存到临时目录中 2.将人脸图片转换为128维的向量 ，便于后续求人脸相似度 项目主要分为3个步骤 1.提交post请求，将uid ugroup pic提交，进行人脸信息保存操作 2.收到请求后将pic进行处理解析为128维向量保存，并跟uid和ugroup保存入库 ，返回数据库插入成功的id 3.提交post请求，将ugroup pic提交人脸查询请求，意思为再ugroup中查看与图片pic相似的人脸 4.收到请求后，处理图片解析图片中所有的人脸，进行按库查询，然后与该

R2CNN_Faster_RCNN_Tensorflow 抽象 这是的张量流重新实现 。 应该注意的是，我们并没有完全按照本文的方式实施，而是采用了它的想法。 该项目基于 ，由和完成。 测试结果 比较方式 部分结果来自论文。 任务1-定向排行榜 方法 地图 PL 蓝光 BR GTF SV 左心室 SH TC 公元前 ST SBF RA 哈 SP HC 10.59 39.83 9.09 0.64 13.18 0.26 0.39 1.11 16.24 27.57 9.23 27.16 9.09 3.03 1.05 1.01 21.39 39.