Le projet InsightFace est principalement maintenu par Jia Guo et Jiankang Deng.
Pour tous les principaux contributeurs, veuillez cocher contribuer.
Le code d'InsightFace est publié sous la licence MIT. Il n’y a aucune limitation pour l’usage académique et commercial.
Les données d'entraînement contenant l'annotation (et les modèles entraînés avec ces données) sont disponibles uniquement à des fins de recherche non commerciales.
Les modèles à téléchargement manuel à partir de notre dépôt Github et les modèles à téléchargement automatique avec notre bibliothèque Python suivent la politique de licence ci-dessus (qui est uniquement destinée à des fins de recherche non commerciales).
2024-08-01 Nous avons intégré nos modèles d'échange de visage les plus avancés : inswapper_cyn et inswapper_dax , dans le service d'échange de visage Picsi.Ai. Ces modèles surpassent presque tous les produits commerciaux similaires et notre modèle open source inswapper_128. Veuillez visiter le site Web Picsi.Ai pour utiliser le service et obtenir de l'aide.
2024-05-04 Nous avons ajouté InspireFace, qui est un SDK de reconnaissance faciale multiplateforme développé en C/C++, prenant en charge plusieurs systèmes d'exploitation et divers backends.
2023-04-01 : Nous avons intégré nos modèles d'échange de visage les plus avancés : inswapper_cyn et inswapper_dax et déplacé le service vers le bot Discord, qui prend également en charge l'édition des images générées par Midjourney, voir les détails sur web-demos/swapping_discord et sur notre site Web Picsi.Ai. .
2022-08-12 : Nous avons atteint le premier rang du défi de reconstruction de visage 3D monoculaire basé sur une projection en perspective de l'atelier ECCV-2022 WCPA, papier et code.
2021-11-30 : Lancement du défi MFR-Ongoing (idem avec IFRT), qui est une version étendue d'iccv21-mfr.
2021-10-29 : Nous avons obtenu la 1ère place sur la piste VISA du NIST-FRVT 1:1 en utilisant Partial FC (Xiang An, Jiankang Deng, Jia Guo).
2024-08-01 Nous avons intégré nos modèles d'échange de visage les plus avancés : inswapper_cyn et inswapper_dax , dans le service d'échange de visage Picsi.Ai. Ces modèles surpassent presque tous les produits commerciaux similaires et notre modèle open source inswapper_128. Veuillez visiter le site Web Picsi.Ai pour utiliser le service et obtenir de l'aide.
2024-05-04 Nous avons ajouté InspireFace, qui est un SDK de reconnaissance faciale multiplateforme développé en C/C++, prenant en charge plusieurs systèmes d'exploitation et divers backends.
2024-04-17 : Reconstruction monoculaire de la réflectance faciale conditionnée par l'identité acceptée par CVPR-2024.
2023-08-08 : Nous avons publié l'implémentation de l'estimation généralisée du regard avec une faible supervision à partir de vues synthétiques lors de la reconstruction/du regard.
2023-05-03 : Nous avons lancé la version continue du défi anti-spoofing wild face. Voir les détails ici.
2023-04-01 : Nous avons intégré nos modèles d'échange de visage les plus avancés : inswapper_cyn et inswapper_dax et déplacé le service vers le bot Discord, qui prend également en charge l'édition des images générées par Midjourney, voir les détails sur web-demos/swapping_discord et sur notre site Web Picsi.Ai. .
2023-02-13 : Nous lançons un défi anti-spoofing à grande échelle sur l'atelier CVPR23, voir les détails sur challenges/cvpr23-fas-wild.
2022-11-28 : Code sur une seule ligne pour l'échange d'identité faciale dans notre pack python version 0.7, veuillez consulter l'exemple ici.
2022-10-28 : Le site Web MFR-Ongoing est refactorisé, veuillez créer des problèmes s'il y a un bug.
2022-09-22 : Nous avons maintenant des démos Web : localisation de visage, reconnaissance de visage et échange de visage.
2022-08-12 : Nous avons atteint le premier rang du défi de reconstruction de visage 3D monoculaire basé sur une projection en perspective de l'atelier ECCV-2022 WCPA, papier et code.
2022-03-30 : FC partielle acceptée par CVPR-2022.
2022-02-23 : SCRFD accepté par ICLR-2022.
2021-11-30 : Lancement du défi MFR-Ongoing (idem avec IFRT), qui est une version étendue d'iccv21-mfr.
2021-10-29 : Nous avons obtenu la 1ère place sur la piste VISA du NIST-FRVT 1:1 en utilisant Partial FC (Xiang An, Jiankang Deng, Jia Guo).
2021-10-11 : Le classement de l'ICCV21 - Défi de reconnaissance des visages masqués est publié. Vidéo : Youtube, Bilibili.
2021-06-05 : Nous lançons un défi et un atelier de reconnaissance des visages masqués sur l'ICCV 2021.
InsightFace est une boîte à outils open source d'analyse profonde de faces 2D et 3D, principalement basée sur PyTorch et MXNet.
Veuillez consulter notre site Web pour plus de détails.
La branche master fonctionne avec PyTorch 1.6+ et/ou MXNet=1.6-1.8 , avec Python 3.x .
InsightFace implémente efficacement une grande variété d'algorithmes de pointe en matière de reconnaissance faciale, de détection des visages et d'alignement des visages, optimisés à la fois pour la formation et le déploiement.
Veuillez commencer par notre package python, pour tester les modèles de détection, de reconnaissance et d'alignement sur les images d'entrée.
Veuillez cliquer sur l'image pour regarder la vidéo Youtube. Pour les utilisateurs de Bilibili, cliquez ici.
La page du site Web InsightFace décrit également tous les projets pris en charge dans InsightFace.
Vous pourriez également être intéressé par certains défis proposés par InsightFace.
Dans ce module, nous fournissons des données de formation, des paramètres réseau et des conceptions de perte pour la reconnaissance faciale approfondie.
Les méthodes prises en charge sont les suivantes :
Les réseaux fédérateurs couramment utilisés sont inclus dans la plupart des méthodes, telles que IResNet, MobilefaceNet, MobileNet, InceptionResNet_v2, DenseNet, etc.
Les données de formation incluent, sans s'y limiter, les ensembles de données nettoyés MS1M, VGG2 et CASIA-Webface, qui étaient déjà emballés au format binaire MXNet. Veuillez consulter la page de l'ensemble de données pour plus de détails.
Nous fournissons des pipelines d'évaluation IJB et Megaface standard en évaluation
Veuillez consulter Model-Zoo pour plus de modèles pré-entraînés.
Dans ce module, nous fournissons des données de formation avec des annotations, des paramètres de réseau et des conceptions de perte pour la formation, l'évaluation et l'inférence à la détection des visages.
Les méthodes prises en charge sont les suivantes :
RetinaFace est un détecteur de visage pratique en une seule étape accepté par CVPR 2020. Nous fournissons un code de formation, un ensemble de données de formation, des modèles pré-entraînés et des scripts d'évaluation.
SCRFD est une approche efficace de détection de visages de haute précision qui est initialement décrite dans Arxiv. Nous fournissons un pipeline facile à utiliser pour former des détecteurs de visage à haute efficacité avec prise en charge NAS.
Dans ce module, nous fournissons des ensembles de données et des pipelines de formation/inférence pour l'alignement des visages.
Méthodes prises en charge :
SDUNets est une méthode basée sur une carte thermique acceptée sur BMVC.
SimpleRegression fournit des modèles de repères faciaux très légers avec une régression de coordonnées rapide. L'entrée de ces modèles est une image de visage recadrée lâche tandis que la sortie est les coordonnées directes du point de repère.
Si vous trouvez InsightFace utile dans votre recherche, pensez à citer les articles connexes suivants :
@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}
}
Principaux contributeurs :
guojia[at]gmail.comjiankangdeng[at]gmail.comanxiangsir[at]gmail.comjackyu961127[at]gmail.combarisgecer[at]msn.com
