使用google 的facenet的人脸识别技术，准确度还是可以的。可以很方便的嵌入到自己的程序中。
2021-09-26 15:39:02
188.3MB
1
使用TensorRT的NVIDIA Jetson（Nano）的人脸识别
带有架构的人脸识别和David Sandberg（ ）使用TensorRT和OpenCV重新训练的模型。 该项目基于FaceNet模型的输出层中所需的l2norm helper函数的实现。 链接到： 。 此外，该项目使用的改编版本进行人脸检测。 下面的更多信息。
硬件
NVIDIA Jetson Nano
Raspberry Pi v2相机
如果要使用USB摄像头而不是Raspi摄像头，请在中将布尔值isCSICam设置为false。
依存关系
cuda 10.2 + cudnn 8.0 TensorRT 7.x OpenCV 4.1.1 TensorFlow r1.14（用于Python将模型从.pb转换为.uff）
更新
这个主分支现在使用Jetpack 4.4，因此依赖项已稍有更改，并且不再预先安装tens
2021-09-20 22:14:44
49KB
1
facenet预训练模型，可用于github中facenet-pytorch工程；可以自行下载，亲侧可用。
2021-09-20 20:49:08
83.63MB
1
人脸识别算法，结合facenet网络结构和center loss作为损失，基于tensorflow框架，含训练和测试代码，支持从头训练和摄像头测试
2021-09-15 15:07:08
17.39MB
1
项目地址：https://github.com/MrZhousf/tf_facenet，资源地址：https://download.csdn.net/download/weixin_43296326/10959597，https://download.csdn.net/download/zsf442553199/10965981，https://download.csdn.net/download/zsf442553199/11117290
2021-09-06 10:21:40
148.34MB
1
使用Pytorch进行人脸识别
Python
3.7
3.6
3.5
地位
这是pytorch中Inception Resnet（V1）模型的存储库，已在VGGFace2和CASIA-Webface上进行了预训练。
使用从David Sandberg的移植的参数来初始化Pytorch模型权重。
此回购中还包括用于推理之前的人脸检测的MTCNN的有效pytorch实现。 这些模型也经过预训练。 据我们所知，这是最快的MTCNN实现。
目录
视频流中的人脸跟踪
使用新数据微调预训练模型
Facenet-PyTorch中的MTCNN指南
人脸检测套件的性能比较
FastMTCNN算法
与Docker一起运行
在您自己的git项目中使用此仓库
将参数从Tensorflow转换为Pytorch
参考
快速开始
安装：
# With pip:
pip install facene
2021-08-17 10:27:04
19.61MB
1
1，小白做毕设参考
2，mtcnn+facenet进行人脸识别
3，活体检测
4，考勤管理（导入导出表啥的）
5，信息采集
6，注意！这个项目没有训练模型，我直接提取人脸特征存到数据库中，人脸识别时对比欧式距离。
7，数据库看我的文档或者图片照着建就行
2021-07-20 20:10:16
460.07MB
1