facenet人脸比对算法项目，能够与数据库中的人脸比对，然后识别出人脸的信息，速度极快，可用作毕业设计和实际项目，使用的是纯python语言，下载就能运行。

Face-Recognition：人脸识别算法在Keras当中的实现 目录 所需环境 Environment 文件下载 Download 使用方法 Usage 效果 Performance 所需环境 tensorflow-gpu==1.13.1 keras==2.1.5

检测：Harr小波提取特征 + AdaBoost级联分类器 Harr小波：左右，上下，左中右，上中下，对角 ... 手动构建特征，特征数量很多，动辄几十万 集成学习：弱分类器构建强分类器 性能差，泛化能力弱 识别：EigenFaceRecognizer 特征脸识别算法 矩阵特征分解 PCA降维，计算距离，识别身份 性能差，泛化能力弱 检测：MTCNN 多任务卷积网络 三个简单的卷积网络的级联 置信度，外框，关键点 性能好，准确率高 .... 识别：FaceNet 人脸编码 特征提取器（embedding） 将人脸映射到128维空间，编码为一个向量 使用KNN、KMeans思想进行人脸距离度量、检索和聚类 性能好，准确率高 ...

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

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

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