Pytorch InsightFace 将来自预训练的ResNet模型移植到pytorch。 模型 LFW（％） CFP-FP（％） AgeDB-30（％） MegaFace（％） iresnet34 99.65 92.12 97.70 96.70 iresnet50 99.80 92.74 97.76 97.64 iresnet100 99.77 98.27 98.28 98.47 安装 pip install git+https://github.com/nizhib/pytorch-insightface 用法 import torch from imageio import imread from torchvision import transforms import insightface embedder = insightface

insightface示例代码及示例图片，代码包含以下几个功能： 1、给定一个包含多个人脸的图片，检测人脸位置，绘制人脸框并保存图片； 2、给定一个目标人脸图片和包含该人脸的图片，从图片中检测出目标人脸，并使用人脸框框出后保存； 3、压缩包中包含了多个人群图片和对应的人脸图片，内容和博客中内容一致； 4、该代码是insightface的使用示例，使用该代码可以学习insightface的使用； 5、每行代码都包含了相关注释，可以让用户快速的理解代码的内容及相关功能； 6、学习该代码可以更深入的了解insightface和人脸识别相关算法的开发过程，学习到时使用深度学习实现人脸识别的技术； 7、该代码使用最少的代码实现了人脸识别的功能示例，具有非常好的教学效果。

Insightface face detection and recognition model that just works out of the box.

insightface是当前比较新和常用的人脸识别模型，本程序是基于insightface的人脸识别程序，可以实现实时视频识别和图片识别，识别准确率高和速度快，代码有注释，附有安装说明。如果遇到问题也可以和我交流。

FaceDetectAndRecogize detect face with mtcnn and aligment and embedder with insightface the model test on dataset lfw accuracy reached 99.5% dataset sia-asia-500 lfw accuracy reached 99.6% demo 中已经添加： 1.人脸录入 2.人脸验证（解锁）功能 已经完成工作： 1.人脸检测 2.人脸对齐 3.人脸识别 待完成: 活体检测 防打印照片以及视频回放欺诈

insightface/insightface

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

InsightFace：2D和3D人脸分析项目 和 执照 InsightFace的代码根据MIT许可证发布。 学术和商业用途均不受限制。 包含注释的训练数据（以及使用这些数据训练的模型）仅可用于非商业研究目的。 介绍 InsightFace是主要基于MXNet的开源2D＆3D深度面部分析工具箱。 主分支MXNet 1.2工程1.6，与Python 3.x的。 ArcFace视频演示 请点击图片观看YouTube视频。 对于Bilibili用户，请单击。 最近更新 2021-01-20 ： 根据实施ArcFace和部分FC的。 2020-10-13 ：DeepGlint发布一种新的训练方法和一个大型训练集（360K ID）。 2020-10-09 ：我们开放了大规模识别测试基准 2020-08-01 ：我们发布了具有快速坐标回归功能（106分）的轻型面部界标模型。 查看详细。 2

TensorFlow中的Insight Face 任务 mxnet数据集到tfrecords 骨干网络架构[vgg16，vgg19，resnet] 骨干网络体系结构[resnet-se，resnext] LResNet50E-IR LResNet100E-IR 加法角余量损失 余弦面损失 火车网络代码 在训练期间添加验证 多GPU训练 合并损失由RogerLo提供。 评估代码 培训技巧（持续更新） 如果您不能使用大批量（> 128），则应使用较小的学习率 如果您不能使用大批量（> 128），则可以尝试重新规范化批量（文件L_Resnet_E_IR_RBN.py ） 如果使用多个

SimSwap项目使用了insightface 来做脸部识别和对其，进行图像预处理。 需要下载antelope.zip文件解压到./insightface_func/models 目录中。