face alignment下载 - face alignment源码下载

face alignment

Python

v1.4.0

下载

人脸识别

使用世界上最准确的面部对齐网络从 Python 检测面部标志，能够检测 2D 和 3D 坐标中的点。

使用 FAN 最先进的基于深度学习的人脸对齐方法进行构建。

特征

检测图片中的 2D 面部标志

3D-FAN-完整示例

 import face_alignment
from skimage import io

fa = face_alignment . FaceAlignment ( face_alignment . LandmarksType . TWO_D , flip_input = False )

input = io . imread ( '../test/assets/aflw-test.jpg' )
preds = fa . get_landmarks ( input )

检测图片中的 3D 面部标志

 import face_alignment
from skimage import io

fa = face_alignment . FaceAlignment ( face_alignment . LandmarksType . THREE_D , flip_input = False )

input = io . imread ( '../test/assets/aflw-test.jpg' )
preds = fa . get_landmarks ( input )

一次性处理整个目录

 import face_alignment
from skimage import io

fa = face_alignment . FaceAlignment ( face_alignment . LandmarksType . TWO_D , flip_input = False )

preds = fa . get_landmarks_from_directory ( '../test/assets/' )

使用特定的人脸检测器检测地标。

默认情况下，该包将使用 SFD 面部检测器。然而，用户也可以使用 dlib、BlazeFace 或预先存在的地面实况边界框。

 import face_alignment

# sfd for SFD, dlib for Dlib and folder for existing bounding boxes.
fa = face_alignment . FaceAlignment ( face_alignment . LandmarksType . TWO_D , face_detector = 'sfd' )

在CPU/GPU上运行

为了指定运行代码的设备（GPU 或 CPU），可以显式传递设备标志：

 import torch
import face_alignment

# cuda for CUDA, mps for Apple M1/2 GPUs.
fa = face_alignment . FaceAlignment ( face_alignment . LandmarksType . TWO_D , device = 'cpu' )

# running using lower precision
fa = fa = face_alignment . FaceAlignment ( face_alignment . LandmarksType . TWO_D , dtype = torch . bfloat16 , device = 'cuda' )

另请参阅examples夹

支持的人脸检测器

 # dlib (fast, may miss faces)
model = FaceAlignment ( landmarks_type = LandmarksType . TWO_D , face_detector = 'dlib' )

# SFD (likely best results, but slowest)
model = FaceAlignment ( landmarks_type = LandmarksType . TWO_D , face_detector = 'sfd' )

# Blazeface (front camera model)
model = FaceAlignment ( landmarks_type = LandmarksType . TWO_D , face_detector = 'blazeface' )

# Blazeface (back camera model)
model = FaceAlignment ( landmarks_type = LandmarksType . TWO_D , face_detector = 'blazeface' , face_detector_kwargs = { 'back_model' : True })

安装

要求

Python 3.5+（它也可以与其他版本一起使用）。支持 python 2.7 的最新版本是 v1.1.1
Linux、Windows 或 macOS
火炬 (>=1.5)

虽然不是必需的，但为了获得最佳性能（尤其是检测器），强烈建议使用支持 CUDA 的 GPU 运行代码。

二进制文件

最简单的安装方法是使用 pip 或 conda：

使用点	使用康达
`pip install face-alignment`	`conda install -c 1adrianb face_alignment`

或者，您可以在下面找到从源代码构建它的说明。

从源头

安装 pytorch 和 pytorch 依赖项。请检查 pytorch 自述文件。

获取面部对齐源代码

git clone https://github.com/1adrianb/face-alignment

安装面部对齐库

pip install -r requirements.txt
python setup.py install

Docker镜像

提供了一个 Dockerfile 来构建具有 cuda 支持和 cudnn 的映像。有关运行和构建 docker 映像的更多说明，请查看原始 Docker 文档。

 docker build -t face-alignment .

它是如何运作的？

虽然这里的工作是作为黑盒呈现的，但如果您想了解更多有关该方法的细节，请查看 arxiv 或我的网页上的原始论文。

贡献

欢迎所有贡献。如果您遇到任何问题（包括失败的图像示例），请随时提出问题。如果您计划添加新功能，请在提出拉取请求之前打开一个问题进行讨论。

引文

 @inproceedings{bulat2017far,
  title={How far are we from solving the 2D & 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks)},
  author={Bulat, Adrian and Tzimiropoulos, Georgios},
  booktitle={International Conference on Computer Vision},
  year={2017}
}

要引用 dlib、pytorch 或此处使用的任何其他包，请查看其各自作者的原始页面。