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

主要介绍了Windows10 python3.7 安装 facenet的教程，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下

本文于infoq.com，介绍了人脸检测与人脸识别，MTCNN模型，MTCNN模型推理，FaceNet模型，FaceNet模型推理等。人脸检测是对人脸进行识别和处理的第一步，主要用于检测并定位图片中的人脸，返回高精度的人脸框坐标及人脸特征点坐标。人脸识别会进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。目前人脸检测/识别的应用场景逐渐从室内演变到室外，从单一限定场景发展到广场、车站、地铁口等场景，人脸检测/识别面临的要求也越来越高，比如：人脸尺度多变、数量冗大、姿势多样包括俯拍人脸、戴帽子口罩等的遮挡、表情夸张、化妆伪装、光照条件恶劣、分辨率低甚至连肉

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

资料说明：包括数据+代码+文档+代码讲解。 1.项目背景 2.数据获取 3.数据预处理 4.探索性数据分析 5.特征工程 6.构建SVM人脸识别模型 7.模型评估 8.人脸图像随机测试 9.结论与展望

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，20170511-185253 NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.

本文于infoq.com，介绍了人脸检测与人脸识别，MTCNN模型，MTCNN模型推理，FaceNet模型，FaceNet模型推理等。人脸检测是对人脸进行识别和处理的第一步，主要用于检测并定位图片中的人脸，返回高精度的人脸框坐标及人脸特征点坐标。人脸识别会进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。目前人脸检测/识别的应用场景逐渐从室内演变到室外，从单一限定场景发展到广场、车站、地铁口等场景，人脸检测/识别面临的要求也越来越高，比如：人脸尺度多变、数量冗大、姿势多样包括俯拍人脸、戴帽子口罩等的遮挡、表情夸张、化妆伪装、光照条件恶劣、分辨率低甚至连肉

Facenet：人脸识别模型在Pytorch当中的实现

这是facenet实时人脸识别的训练模型权重，使用方法可以查看我的博客/

基于facenet的实时人脸识别系统