迄今最全人脸识别开源 - qq_34654240的博客 - CSDN博客
- -人脸识别是目前深度学习领域应用最为广泛的领域之一，各大框架都有不错的开源项目，可以在短时间内实现刷榜. Demystifying Face Recognition，由浅入深实验了很多方法. 谷歌人脸识别系统FaceNet解析. 如何走近深度学习人脸识别:. https://github.com/moli232777144/mobilefacenet-mxnet:轻量级版本99.5%.
迄今最全人脸识别开源 - qq_34654240的博客 - CSDN博客
标签：
| 发表时间：2018-11-03 17:23 | 作者：
出处：https://blog.csdn.net
人脸识别是目前深度学习领域应用最为广泛的领域之一，各大框架都有不错的开源项目，可以在短时间内实现刷榜。
首推 Demystifying Face Recognition，由浅入深实验了很多方法
如何走近深度学习人脸识别: https://github.com/Joker316701882/Additive-Margin-Softmax
caffe
https://github.com/wy1iu/sphereface:lfw 99.30% with A-softmax loss 中文理解
https://github.com/happynear/NormFace:99.21%
https://github.com/ydwen/caffe-face:~99% centerloss，ECCV2016
https://github.com/AlfredXiangWu/face_verification_experiment98.80% with CASIA,Light-CNN
mxnet
https://github.com/deepinsight/insightface:lfw 99.83%
https://github.com/moli232777144/mobilefacenet-mxnet:轻量级版本99.5%
https://github.com/qidiso/mobilefacenet-V2:99.66%
tensorflow
https://github.com/davidsandberg/facenet:lfw 99.65%
多GPU版本: https://github.com/wangruichens/facenet_multigpu
https://github.com/auroua/InsightFace_TF：99.68%
https://github.com/xsr-ai/MobileFaceNet_TF
人脸对齐
https://github.com/CamlinZ/face_alignment一种人脸68特征点检测的深度学习方法
https://github.com/zeusees/HyperLandmark106点标注，含android端
https://github.com/tensor-yu/cascaded_mobilenet-v2: 级联MobileNet-V2进行人脸关键点（5点）检测，单模型仅 956 KB，GTX1080上运行为6ms左右
https://github.com/goodluckcwl/Face-alignment-mobilenet-v2
Loss Function
https://github.com/KaleidoZhouYN/Loss-Functions
https://github.com/KaleidoZhouYN/Sphereface-Ms-celeb-1M:讨论对齐的影响
商业实践
InsightFace - 使用篇, 如何一键刷分LFW 99.80%, MegaFace 98%
facenet 代码阅读笔记：如何训练基于triplet-loss的模型
https://github.com/seetaface/SeetaFaceEngine:山世光老师的开源库，不过有点过时了
A-Softmax的总结及与L-Softmax的对比——SphereFace
A Discriminative Feature Learning Approach for Deep Face Recognition 原理及在caffe实验复现
android
https://github.com/GRAYKEY/mobilefacenet_android
https://github.com/zhanglaplace/MobileFaceNetAmsoftmax实现
https://github.com/KaleidoZhouYN/mobilefacenet-caffe：
https://github.com/moli232777144/small_model_face_recognition:Light CNN for ncnn
https://github.com/mohanson/FaceDetectionServer：go服务器人脸识别服务
https://github.com/yanmeizhao/Sara/tree/master/sample_mobile_track_106:商汤106点人脸跟踪
数据集
MS1M
VGGFace2
--------------------- 本文来自 迷若烟雨 的CSDN 博客 ，全文地址请点击：https://blog.csdn.net/minstyrain/article/details/82292278?utm_source=copy
相关 [人脸识别 开源 qq] 推荐：
【人脸识别】初识人脸识别
- - CSDN博客推荐文章由于导师给我们布置了每周阅读两篇大牛论文，并写ppt的任务. 反正ppt都写了，所以我想干脆直接把ppt的内容再整理一下写成博客. 近期的阅读论文都是 人脸识别相关的主题. 如果你研究过人脸识别，或者对这方面有兴趣，那么你一定听说过Paul Viola. 他可以算得上是人脸检测识别的始祖，他的一篇大作《RobustReal-time Object Detection》可以说是人脸识别领域最重要的一篇论文.
基于Python的开源人脸识别库：离线识别率高达99.38% | 机器之心
- -仅用 Python 和命令行就可以实现人脸识别的库开源了. 该库使用 dlib 顶尖的深度学习人脸识别技术构建，在户外脸部检测数据库基准（Labeled Faces in the Wild benchmark）上的准确率高达 99.38%. 该项目是要构建一款免费、开源、实时、离线的网络 app，支持组织者使用人脸识别技术或二维码识别所有受邀人员.
人脸识别黑产
- - 奇客Solidot–传递最新科技情报新京报 报道了人脸识别的地下黑产交易，有许多应用都需要人脸验证，创造了对人脸验证的一种需求，催生了一个地下产业链. 报道称，人脸识别的优质数据需要一百元一套，而便宜量大的仅需要 0.5元一套. 报道称一小部分来自网络刷单兼职人员，大部分来自企业内部员工. 人脸识别的黑产商贩称，市面上流通的手持身份证照片大多是在小额贷款平台和公司野蛮发展期间，泄露出来的，还有部分是从各行业收集而来的，这种信息交易和使用一般情况下不会被人发现，“当时很多人借钱不还，平台就把这些信息拿出来卖钱了，刚开始挺贵的，现在层层转卖就便宜了.
【转载】用HTML5进行人脸识别
- - HTML5研究小组其中的一个特性是getUserMedia（ W3C规范 ）. 它是一个JavaScript API，可以让你访问（需要权限）用户的网络摄像头和麦克风. 今天发现一篇文章写的很有趣，叫你如何使用HTML5进行人脸识别. 在网页内进行人脸识别，很好很强大. “现代Web”不断发展出不少有趣的API，但你并不会在大多数项目中使用到所有的内容.
自动人脸识别基本原理
- - IT技术博客大学习标签： https://b2museum. 人脸识别经过近 40 年的发展，取得了很大的发展，涌现出了大量的识别算法. 这些算法的涉及面非常广泛，包括模式识别、图像处理、计算机视觉、人工智能、统计学习、神经网络、小波分析、子空间理论和流形学习等众多学科. 所以很难用一个统一的标准对这些算法进行分类.
用python库face_recognition进行人脸识别
- - 开源软件 - ITeye博客期间在安装依赖包dlib时遇到问题,解决见: http://kissmett.iteye.com/blog/2409857. 3.通过摄像头实时在获取的帧上进行人脸识别(较卡顿). basefacefilespath ="images"#faces文件夹中放待识别任务正面图,文件名为人名,将显示于结果中
baseface_titles=[] #图片名字列表
baseface_face_encodings=[] #识别所需人脸编码结构集
#读取人脸资源
for fn in os.listdir(basefacefilespath): #fn 人脸文件名.
QQ表情 for iPad
- 小趴 八足趴 八足 ramener - 腾讯CDC QQ HD for iPad 2.2已经发布了~其中全新的高清QQ表情也跟大家见面了. 在这里奉上新表情的安装包同时还有赠品哟亲~. QQ HD for iPad 2.2 表情菜单效果图. QQ表情for iPad. 表情安装包在附件中~希望大家喜欢~. QQ HD for iPad 2.2 表情安装包 下载.
人脸识别发展史与算法综述
- king - CSDN博客推荐文章 在我们生存的这个地球上，居住着近 65 亿人. 每个人的面孔都由额头、眉毛、眼睛、鼻子、嘴巴、双颊等少数几个区域组合而成，它们之间的大体位置关系也是固定的，并且每张脸的大小不过七八寸见方. 然而，它们居然就形成了那么复杂的模式，即使是面容极其相似的双胞胎，其家人通常也能够非常容易地根据他们面孔上的细微差异将他们区分开来.
温习传闻：Facebook收购人脸识别创业公司Face.com
- - 业界导读：准备好再听一个后IPO 时代的Facebook 收购的传闻吗. 事实上，Face.com 传言将成为Facebook 的收购目标由来已久. 虽然我们还不能确定这次收购能否成真，但本文给出的一些分析还是饶意义的. 据以色列商业报纸Calcalist披露，社交网络巨人将要收购人脸识别科技公司Face.com.