Das InsightFace-Projekt wird hauptsächlich von Jia Guo und Jiankang Deng betreut.
Für alle Hauptmitwirkenden überprüfen Sie bitte den Beitrag.
Der Code von InsightFace wird unter der MIT-Lizenz veröffentlicht. Es gibt keine Einschränkung sowohl für die akademische als auch für die kommerzielle Nutzung.
Die Trainingsdaten, die die Annotation enthalten (und die mit diesen Daten trainierten Modelle), stehen nur für nichtkommerzielle Forschungszwecke zur Verfügung.
Sowohl Modelle zum manuellen Herunterladen aus unserem Github-Repo als auch Modelle zum automatischen Herunterladen mit unserer Python-Bibliothek folgen der oben genannten Lizenzrichtlinie (die nur für nichtkommerzielle Forschungszwecke gilt).
2024-08-01 Wir haben unsere fortschrittlichsten Face-Swapping-Modelle: inswapper_cyn und inswapper_dax in den Face-Swapping-Dienst von Picsi.Ai integriert. Diese Modelle übertreffen fast alle ähnlichen kommerziellen Produkte und unser Open-Source-Modell inswapper_128. Bitte besuchen Sie die Picsi.Ai-Website, um den Dienst zu nutzen und Hilfe zu erhalten.
2024-05-04 Wir haben InspireFace hinzugefügt, ein plattformübergreifendes Gesichtserkennungs-SDK, das in C/C++ entwickelt wurde und mehrere Betriebssysteme und verschiedene Backends unterstützt.
2023-04-01 : Wir haben unsere fortschrittlichsten Face-Swapping-Modelle integriert: inswapper_cyn und inswapper_dax und den Dienst auf den Discord-Bot verschoben, der auch die Bearbeitung von Midjourney-generierten Bildern unterstützt. Weitere Informationen finden Sie unter web-demos/swapping_discord und auf unserer Picsi.Ai-Website .
2022-08-12 : Wir haben den 1. Platz bei der perspektivischen projektionsbasierten monokularen 3D-Gesichtsrekonstruktions-Challenge des ECCV-2022 WCPA-Workshops, Papiers und Codes erreicht.
2021-11-30 : MFR-Ongoing Challenge gestartet (dasselbe gilt für IFRT), eine erweiterte Version von iccv21-mfr.
2021-10-29 : Wir haben den 1. Platz auf der VISA-Strecke von NIST-FRVT 1:1 durch den Einsatz von Partial FC (Xiang An, Jiankang Deng, Jia Guo) erreicht.
2024-08-01 Wir haben unsere fortschrittlichsten Face-Swapping-Modelle: inswapper_cyn und inswapper_dax in den Face-Swapping-Dienst von Picsi.Ai integriert. Diese Modelle übertreffen fast alle ähnlichen kommerziellen Produkte und unser Open-Source-Modell inswapper_128. Bitte besuchen Sie die Picsi.Ai-Website, um den Dienst zu nutzen und Hilfe zu erhalten.
2024-05-04 Wir haben InspireFace hinzugefügt, ein plattformübergreifendes Gesichtserkennungs-SDK, das in C/C++ entwickelt wurde und mehrere Betriebssysteme und verschiedene Backends unterstützt.
2024-04-17 : Monokulare identitätsbedingte Gesichtsreflexionsrekonstruktion akzeptiert von CVPR-2024.
2023-08-08 : Wir haben die Implementierung der generalisierenden Blickschätzung mit schwacher Überwachung aus synthetischen Ansichten bei Rekonstruktion/Blick veröffentlicht.
2023-05-03 : Wir haben die fortlaufende Version der Wild Face Anti-Spoofing-Herausforderung gestartet. Einzelheiten finden Sie hier.
2023-04-01 : Wir haben unsere fortschrittlichsten Face-Swapping-Modelle integriert: inswapper_cyn und inswapper_dax und den Dienst auf den Discord-Bot verschoben, der auch die Bearbeitung von Midjourney-generierten Bildern unterstützt. Weitere Informationen finden Sie unter web-demos/swapping_discord und auf unserer Picsi.Ai-Website .
2023-02-13 : Wir starten auf dem CVPR23-Workshop eine groß angelegte In-the-Wild-Face-Anti-Spoofing-Challenge, Einzelheiten finden Sie unter Challenges/cvpr23-fas-wild.
2022-11-28 : Einzeiliger Code für den Austausch der Gesichtsidentität in unserem Python-Paket Version 0.7, bitte sehen Sie sich das Beispiel hier an.
2022-10-28 : MFR-Ongoing-Website wurde überarbeitet. Bitte erstellen Sie Issues, wenn es einen Fehler gibt.
2022-09-22 : Jetzt haben wir Web-Demos: Gesichtslokalisierung, Gesichtserkennung und Gesichtsaustausch.
2022-08-12 : Wir haben den 1. Platz bei der perspektivischen projektionsbasierten monokularen 3D-Gesichtsrekonstruktions-Challenge des ECCV-2022 WCPA-Workshops, Papiers und Codes erreicht.
2022-03-30 : Teilweise FC von CVPR-2022 akzeptiert.
2022-02-23 : SCRFD von ICLR-2022 akzeptiert.
2021-11-30 : MFR-Ongoing Challenge gestartet (dasselbe gilt für IFRT), eine erweiterte Version von iccv21-mfr.
2021-10-29 : Wir haben den 1. Platz auf der VISA-Strecke von NIST-FRVT 1:1 durch den Einsatz von Partial FC (Xiang An, Jiankang Deng, Jia Guo) erreicht.
2021-10-11 : Bestenliste der ICCV21 – Masked Face Recognition Challenge veröffentlicht. Video: Youtube, Bilibili.
2021-06-05 : Wir starten eine Masked Face Recognition Challenge und einen Workshop zum ICCV 2021.
InsightFace ist eine Open-Source-Toolbox für die 2D- und 3D-Tiefengesichtsanalyse, die hauptsächlich auf PyTorch und MXNet basiert.
Weitere Informationen finden Sie auf unserer Website.
Der Hauptzweig funktioniert mit PyTorch 1.6+ und/oder MXNet=1.6-1.8 , mit Python 3.x .
InsightFace implementiert effizient eine Vielzahl modernster Algorithmen zur Gesichtserkennung, Gesichtserkennung und Gesichtsausrichtung, die sowohl für das Training als auch für den Einsatz optimiert sind.
Bitte beginnen Sie mit unserem Python-Paket zum Testen von Erkennungs-, Erkennungs- und Ausrichtungsmodellen für Eingabebilder.
Bitte klicken Sie auf das Bild, um das Youtube-Video anzusehen. Für Bilibili-Benutzer klicken Sie hier.
Die Seite auf der InsightFace-Website beschreibt auch alle unterstützten Projekte in InsightFace.
Möglicherweise interessieren Sie sich auch für einige Herausforderungen von InsightFace.
In diesem Modul stellen wir Trainingsdaten, Netzwerkeinstellungen und Verlustdesigns für die tiefe Gesichtserkennung bereit.
Die unterstützten Methoden sind wie folgt:
In den meisten Methoden sind häufig verwendete Netzwerk-Backbones enthalten, z. B. IResNet, MobilefaceNet, MobileNet, InceptionResNet_v2, DenseNet usw.
Die Trainingsdaten umfassen unter anderem die bereinigten MS1M-, VGG2- und CASIA-Webface-Datensätze, die bereits im MXNet-Binärformat gepackt waren. Weitere Informationen finden Sie auf der Datensatzseite.
Wir bieten Standard-IJB- und Megaface-Evaluierungspipelines für die Evaluierung an
Weitere vortrainierte Modelle finden Sie bei Model-Zoo.
In diesem Modul stellen wir Trainingsdaten mit Anmerkungen, Netzwerkeinstellungen und Verlustdesigns für das Training, die Auswertung und die Inferenz der Gesichtserkennung bereit.
Die unterstützten Methoden sind wie folgt:
RetinaFace ist ein praktischer einstufiger Gesichtsdetektor, der von CVPR 2020 akzeptiert wird. Wir stellen Trainingscode, Trainingsdatensätze, vorab trainierte Modelle und Bewertungsskripte zur Verfügung.
SCRFD ist ein effizienter Ansatz zur Gesichtserkennung mit hoher Genauigkeit, der ursprünglich in Arxiv beschrieben wird. Wir bieten eine benutzerfreundliche Pipeline zum Trainieren hocheffizienter Gesichtsdetektoren mit NAS-Unterstützung.
In diesem Modul stellen wir Datensätze und Trainings-/Inferenzpipelines für die Gesichtsausrichtung bereit.
Unterstützte Methoden:
SDUNets ist eine Heatmap-basierte Methode, die auf BMVC akzeptiert wird.
SimpleRegression bietet sehr leichte Gesichtsorientierungsmodelle mit schneller Koordinatenregression. Die Eingabe dieser Modelle ist ein locker zugeschnittenes Gesichtsbild, während die Ausgabe die direkten Orientierungspunktkoordinaten sind.
Wenn Sie InsightFace für Ihre Forschung nützlich finden, ziehen Sie bitte in Betracht, die folgenden verwandten Artikel zu zitieren:
@inproceedings{ren2023pbidr,
title={Facial Geometric Detail Recovery via Implicit Representation},
author={Ren, Xingyu and Lattas, Alexandros and Gecer, Baris and Deng, Jiankang and Ma, Chao and Yang, Xiaokang},
booktitle={2023 IEEE 17th International Conference on Automatic Face and Gesture Recognition (FG)},
year={2023}
}
@article{guo2021sample,
title={Sample and Computation Redistribution for Efficient Face Detection},
author={Guo, Jia and Deng, Jiankang and Lattas, Alexandros and Zafeiriou, Stefanos},
journal={arXiv preprint arXiv:2105.04714},
year={2021}
}
@inproceedings{gecer2021ostec,
title={OSTeC: One-Shot Texture Completion},
author={Gecer, Baris and Deng, Jiankang and Zafeiriou, Stefanos},
booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
year={2021}
}
@inproceedings{an_2022_pfc_cvpr,
title={Killing Two Birds with One Stone: Efficient and Robust Training of Face Recognition CNNs by Partial FC},
author={An, Xiang and Deng, Jiangkang and Guo, Jia and Feng, Ziyong and Zhu, Xuhan and Jing, Yang and Tongliang, Liu},
booktitle={CVPR},
year={2022}
}
@inproceedings{an_2021_pfc_iccvw,
title={Partial FC: Training 10 Million Identities on a Single Machine},
author={An, Xiang and Zhu, Xuhan and Gao, Yuan and Xiao, Yang and Zhao, Yongle and Feng, Ziyong and Wu, Lan and Qin, Bin and Zhang, Ming and Zhang, Debing and Fu, Ying},
booktitle={ICCVW},
year={2021},
}
@inproceedings{deng2020subcenter,
title={Sub-center ArcFace: Boosting Face Recognition by Large-scale Noisy Web Faces},
author={Deng, Jiankang and Guo, Jia and Liu, Tongliang and Gong, Mingming and Zafeiriou, Stefanos},
booktitle={Proceedings of the IEEE Conference on European Conference on Computer Vision},
year={2020}
}
@inproceedings{Deng2020CVPR,
title = {RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild},
author = {Deng, Jiankang and Guo, Jia and Ververas, Evangelos and Kotsia, Irene and Zafeiriou, Stefanos},
booktitle = {CVPR},
year = {2020}
}
@inproceedings{guo2018stacked,
title={Stacked Dense U-Nets with Dual Transformers for Robust Face Alignment},
author={Guo, Jia and Deng, Jiankang and Xue, Niannan and Zafeiriou, Stefanos},
booktitle={BMVC},
year={2018}
}
@article{deng2018menpo,
title={The Menpo benchmark for multi-pose 2D and 3D facial landmark localisation and tracking},
author={Deng, Jiankang and Roussos, Anastasios and Chrysos, Grigorios and Ververas, Evangelos and Kotsia, Irene and Shen, Jie and Zafeiriou, Stefanos},
journal={IJCV},
year={2018}
}
@inproceedings{deng2018arcface,
title={ArcFace: Additive Angular Margin Loss for Deep Face Recognition},
author={Deng, Jiankang and Guo, Jia and Niannan, Xue and Zafeiriou, Stefanos},
booktitle={CVPR},
year={2019}
}
Hauptmitwirkende:
guojia[at]gmail.comjiankangdeng[at]gmail.comanxiangsir[at]gmail.comjackyu961127[at]gmail.combarisgecer[at]msn.com
