Haar分类器结合keras-facenet算法实现人脸检测分割及人脸识别考勤系统完整源码+项目说明.zip 【模式识别-人脸识别考勤系统】 利用Haar分类器完成人脸检测、分割；利用FaceNet网络完成人脸识别。 【依赖库】 opencv-python numpy keras-facenet（见 https://pypi.org/project/keras-facenet/ ） Keras TensorFlow 其中，keras-facenet需要下载预训练模型置于~/.keras-facenet目录下，如果你获得的版本在model/目录下没有带该模型，请自行到该库的GitHub仓库页下载，或在第一次调用该库时也会自动下载。 【使用face_manager.py可以进行人脸的录入，注意录入姓名时，之间不要用空格分隔】 【使用main.py可以进行人脸考勤主操作】 准确率达到93.2% 【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向学习者。 也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。

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.

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

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.

此项目是利用MTCNN进行人脸检测，之后使用FaceNet进行人脸识别，环境为TensorFlow+pycharm

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，20180408-102900 NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.

基于tesorfow, facenet, 这是完整项目，运行mytest1.py,可实现人脸识别

facenet训练时人脸验证测试文件生成流程，完整代码，可直接执行，两个参数，一个为需要验证的人脸数据集（经过检测后的），一个为输出txt文件，输出文件可直接用于facenet训练验证用

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，20170512-110547 NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.

TensorFlow MTCNN facenet 实现人脸识别，具体解释参考https://blog.csdn.net/yunge812/article/details/86211824