face alignment下載 - face alignment源碼下載

face alignment

Python

v1.4.0

下載

人臉辨識

使用世界上最準確的臉部對齊網路從 Python 偵測臉部標誌，能夠偵測 2D 和 3D 座標中的點。

使用 FAN 最先進的基於深度學習的人臉對齊方法進行構建。

特徵

偵測圖片中的 2D 臉部標誌

3D-FAN-完整範例

 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 )

偵測圖片中的 3D 臉部標誌

 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 )

一次處理整個目錄

 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/' )

使用特定的人臉偵測器偵測地標。

預設情況下，該套件將使用 SFD 臉部偵測器。然而，使用者也可以使用 dlib、BlazeFace 或預先存在的地面實況邊界框。

 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上運行

為了指定運行代碼的設備（GPU 或 CPU），可以明確傳遞設備標誌：

 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' )

另請參閱examples夾

支援的人臉偵測器

 # 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 })

安裝

要求

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

雖然不是必需的，但為了獲得最佳效能（尤其是偵測器），強烈建議使用支援 CUDA 的 GPU 運行程式碼。

二進位檔案

最簡單的安裝方法是使用 pip 或 conda：

使用點	使用康達
`pip install face-alignment`	`conda install -c 1adrianb face_alignment`

或者，您可以在下面找到從原始程式碼建置它的說明。

從源頭

安裝 pytorch 和 pytorch 依賴項。請檢查 pytorch 自述文件。

取得臉部對齊原始碼

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

安裝臉部對齊庫

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

Docker映像

提供了一個 Dockerfile 來建立具有 cuda 支援和 cudnn 的映像。有關運行和建置 docker 映像的更多說明，請查看原始 Docker 文件。

 docker build -t face-alignment .

它是如何運作的？

雖然這裡的工作是作為黑盒子呈現的，但如果您想了解更多有關該方法的細節，請查看 arxiv 或我的網頁上的原始論文。

貢獻

歡迎所有貢獻。如果您遇到任何問題（包括失敗的圖像範例），請隨時提出問題。如果您打算新增功能，請在提出拉取請求之前開啟問題進行討論。

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 或此處使用的任何其他包，請查看其各自作者的原始頁面。