|
目前人臉識別開源項目眾多，但真正能方便快捷拿來就用、性能指標業(yè)界領(lǐng)先的開源庫并不多，而最近剛剛開源的face.evoLVe絕對是不容忽視的力量。 項目地址： https://github.com/ZhaoJ9014/face.evoLVe.PyTorch 作者不僅開源了代碼（包括人臉識別的訓練和測試的各個環(huán)節(jié)）和高精度預訓練模型，連業(yè)界主流的數(shù)據(jù)集也都提供給大家下載，方便學術(shù)界和工業(yè)界使用和進一步研究，強烈推薦大家關(guān)注！ 該庫的作者為新加坡國立大學LV組的Jian Zhao，感謝大佬！ face.evoLVe介紹 face.evoLVe 為人臉相關(guān)分析和應用提供了全面的人臉識別庫，包括： 1. 人臉對齊（人臉檢測，特征點定位，仿射變換等）； 2. 數(shù)據(jù)處理（例如，數(shù)據(jù)增廣，數(shù)據(jù)平衡，歸一化等）； 3. 各種骨干網(wǎng)（例如，ResNet，IR，IR-SE，ResNeXt，SE-ResNeXt，DenseNet，LightCNN，MobileNet，ShuffleNet，DPN等）； 4. 各種損失函數(shù)（例如，Softmax，F(xiàn)ocal，Center，SphereFace，CosFace，AmSoftmax，ArcFace，Triplet等等）； 5. 提高性能的技巧包（例如，訓練改進，模型調(diào)整，知識蒸餾等）。 另外 face.evoLVe 提供了一個高效的分布式訓練模式，方便使用多GPU訓練，不僅支持骨干網(wǎng)，還支持具有全連接（softmax）層的頭部，以便于實現(xiàn)大規(guī)模的人臉識別。 難能可貴之處還在于，該庫提供了對齊之前和之后的所有人臉數(shù)據(jù)，源代碼和預訓練模型。 總之一句話，該庫可以幫助研究人員/工程師快速開發(fā)高性能深度人臉識別模型和算法，方便實際使用和開發(fā)部署。 數(shù)據(jù)集 下圖是該庫提供下載的數(shù)據(jù)集列表，很貼心的提供了Google Drive 和百度云兩個下載鏈接。 預訓練模型 下圖是作者開源的一個人臉識別預訓練模型，骨干網(wǎng)用IR-50，網(wǎng)絡Head ArcFace，Loss 函數(shù)Focal，在MS-Celeb-1M_Align_112*112數(shù)據(jù)上訓練。 下圖是上述模型在各個數(shù)據(jù)集上的精度： 在該庫的最新狀態(tài)中，作者稱正在MS-Celeb-1M_Align_112x112數(shù)據(jù)集上訓練ResNet-50、IR-SE-50、 IR-SE-152、IR-152 ，并將很快提供下載。 高精度 作者稱該庫是以下兩個人臉識別挑戰(zhàn)賽冠軍。 ICCV 2017 MS-Celeb-1M Large-Scale Face Recognition Hard Set/Random Set/Low-Shot Learning 挑戰(zhàn)賽冠軍. 2017 National Institute of Standards and Technology (NIST) IARPA Janus Benchmark A (IJB-A) Unconstrained Face Verification challenge and Identification 挑戰(zhàn)賽冠軍。
怎么樣，是不是很強大！ 再發(fā)一下地址： https://github.com/ZhaoJ9014/face.evoLVe.PyTorch |
|
|
