内容简介:目前人脸识别开源项目众多,但真正能方便快捷拿来就用、性能指标业界领先的开源库并不多,而最近刚刚开源的face.evoLVe绝对是不容忽视的力量。
我爱计算机视觉 标星,更快获取CVML新技术
目前人脸识别开源项目众多,但真正能方便快捷拿来就用、性能指标业界领先的开源库并不多,而最近刚刚开源的face.evoLVe绝对是不容忽视的力量。
项目地址:
https://github.com/ZhaoJ9014/face.evoLVe.PyTorch
作者不仅开源了代码(包括人脸识别的训练和测试的各个环节)和高精度预训练模型,连业界主流的数据集也都提供给大家下载,方便学术界和工业界使用和进一步研究,强烈推荐大家关注!
该库的作者为新加坡国立大学LV组的Jian Zhao,感谢大佬!
face.evoLVe介绍
face.evoLVe 为人脸相关分析和应用提供了全面的人脸识别库,包括:
1. 人脸对齐(人脸检测,特征点定位,仿射变换等);
2. 数据处理(例如,数据增广,数据平衡,归一化等);
3. 各种骨干网(例如,ResNet,IR,IR-SE,ResNeXt,SE-ResNeXt,DenseNet,LightCNN,MobileNet,ShuffleNet,DPN等);
4. 各种损失函数(例如,Softmax,Focal,Center,SphereFace,CosFace,AmSoftmax,ArcFace,Triplet等等);
5. 提高性能的技巧包(例如,训练改进,模型调整,知识蒸馏等)。
另外 face.evoLVe 提供了一个高效的分布式训练模式,方便使用多GPU训练,不仅支持骨干网,还支持具有全连接(softmax)层的头部,以便于实现大规模的人脸识别。
难能可贵之处还在于,该库提供了对齐之前和之后的所有人脸数据,源代码和预训练模型。
总之一句话,该库可以帮助研究人员/工程师快速开发高性能深度人脸识别模型和算法,方便实际使用和开发部署。
数据集
下图是该库提供下载的数据集列表,很贴心的提供了Google Drive 和百度云两个下载链接。
预训练模型
下图是作者开源的一个人脸识别预训练模型,骨干网用IR-50,网络Head ArcFace,Loss 函数Focal,在MS-Celeb-1M_Align_112*112数据上训练。
下图是上述模型在各个数据集上的精度:
在该库的最新状态中,作者称正在MS-Celeb-1M_Align_112x112数据集上训练ResNet-50、IR-SE-50、 IR-SE-152、IR-152 ,并将很快提供下载。
高精度
作者称该库是以下两个人脸识别挑战赛冠军。
ICCV 2017 MS-Celeb-1M Large-Scale Face Recognition Hard Set/Random Set/Low-Shot Learning 挑战赛冠军.
2017 National Institute of Standards and Technology (NIST) IARPA Janus Benchmark A (IJB-A) Unconstrained Face Verification challenge and Identification 挑战赛冠军。
同时在以下9个数据集上取得了state-of-the-art。
怎么样,是不是很强大!
再发一下地址:
https://github.com/ZhaoJ9014/face.evoLVe.PyTorch
加入专业讨论群
关注人脸识别、检测等技术,欢迎加入52CV-人脸相关专业讨论群,扫码添加CV君拉你入群:
( 请务必注明:人脸 )
喜欢在QQ交流的童鞋,可以加52CV官方 QQ群 :702781905。
(不会时时在线,如果没能及时通过验证还请见谅)
长按关注 我爱计算机视觉
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 人脸识别相关开源项目汇总
- 算法升级!开源极快速CNN人脸检测新增人脸关键点功能
- 人脸识别损失函数综述(附开源地址)
- 清华&商汤开源超高精度边缘感知人脸对齐算法
- 开源情报:俄罗斯人脸识别网站SearchFace
- 商汤开源利用无标注数据大幅提高精度的人脸识别算法
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
深入理解Android内核设计思想(第2版 套装上下册)
林学森 / 人民邮电出版社 / 2017-7-1 / 158
全书从操作系统的基础知识入手,全面剖析进程/线程、内存管理、Binder机制、GUI显示系统、多媒体管理、输入系统、虚拟机等核心技术在Android中的实现原理。书中讲述的知识点大部分来源于工程项目研发,因而具有较强的实用性,希望可以让读者“知其然,更知其所以然”。本书分为编译篇、系统原理篇、应用原理篇、系统工具篇,共4篇25章,基本涵盖了参与Android开发所需具备的知识,并通过大量图片与实例......一起来看看 《深入理解Android内核设计思想(第2版 套装上下册)》 这本书的介绍吧!