'重磅!中科院計算所開源SeetaFace2人臉識別算法'
開源最前線(ID:OpenSourceTop) 猿妹綜合整理
綜合自:中科視拓訂閱號、https://github.com/seetafaceengine/SeetaFace2
近日,來自中科院計算所的人工智能國家隊中科視拓宣佈,開源商用級SeetaFace2人臉識別算法。
開源最前線(ID:OpenSourceTop) 猿妹綜合整理
綜合自:中科視拓訂閱號、https://github.com/seetafaceengine/SeetaFace2
近日,來自中科院計算所的人工智能國家隊中科視拓宣佈,開源商用級SeetaFace2人臉識別算法。
短短几天時間,就登上了Github單日趨勢榜第一,標星 740,創建 227 個fork,提交了 43 次commits(Github地址:https://github.com/seetafaceengine/SeetaFace2)
SeetaFace2 人臉識別引擎包括了搭建一套全自動人臉識別系統所需的三個核心模塊,即:人臉檢測模塊 FaceDetector、面部關鍵點定位模塊 FaceLandmarker 以及人臉特徵提取與比對模塊 FaceRecognizer。還將陸續開源人臉跟蹤、閉眼檢測等輔助模塊。
開源最前線(ID:OpenSourceTop) 猿妹綜合整理
綜合自:中科視拓訂閱號、https://github.com/seetafaceengine/SeetaFace2
近日,來自中科院計算所的人工智能國家隊中科視拓宣佈,開源商用級SeetaFace2人臉識別算法。
短短几天時間,就登上了Github單日趨勢榜第一,標星 740,創建 227 個fork,提交了 43 次commits(Github地址:https://github.com/seetafaceengine/SeetaFace2)
SeetaFace2 人臉識別引擎包括了搭建一套全自動人臉識別系統所需的三個核心模塊,即:人臉檢測模塊 FaceDetector、面部關鍵點定位模塊 FaceLandmarker 以及人臉特徵提取與比對模塊 FaceRecognizer。還將陸續開源人臉跟蹤、閉眼檢測等輔助模塊。
SeetaFace2 採用標準 C++ 開發,全部模塊均不依賴任何第三方庫,支持 x86 架構(Windows、Linux)和 ARM 架構(Android)。SeetaFace2 支持的上層應用包括但不限於人臉門禁、無感考勤、人臉比對等。
開源最前線(ID:OpenSourceTop) 猿妹綜合整理
綜合自:中科視拓訂閱號、https://github.com/seetafaceengine/SeetaFace2
近日,來自中科院計算所的人工智能國家隊中科視拓宣佈,開源商用級SeetaFace2人臉識別算法。
短短几天時間,就登上了Github單日趨勢榜第一,標星 740,創建 227 個fork,提交了 43 次commits(Github地址:https://github.com/seetafaceengine/SeetaFace2)
SeetaFace2 人臉識別引擎包括了搭建一套全自動人臉識別系統所需的三個核心模塊,即:人臉檢測模塊 FaceDetector、面部關鍵點定位模塊 FaceLandmarker 以及人臉特徵提取與比對模塊 FaceRecognizer。還將陸續開源人臉跟蹤、閉眼檢測等輔助模塊。
SeetaFace2 採用標準 C++ 開發,全部模塊均不依賴任何第三方庫,支持 x86 架構(Windows、Linux)和 ARM 架構(Android)。SeetaFace2 支持的上層應用包括但不限於人臉門禁、無感考勤、人臉比對等。
SeetaFace2 是面向於人臉識別商業落地的里程碑版本,其中人臉檢測模塊在 FDDB 上的 100 個誤檢條件下可達到超過 92% 的召回率,面部關鍵點定位支持 5 點和 81 點定位,1 比 N 模塊支持數千人規模底庫的人臉識別應用。
與 2016 年開源的 SeetaFace 1.0 相比,SeetaFace2 在速度和精度兩個層面上均有數量級的提升。
編譯簡介
2.1 編譯依賴
- GNU Make 工具
- GCC 或者 Clang 編譯器
- CM2.2 linux和windows平臺編譯說明
linux 和 windows 上的 SDK 編譯腳本見目錄 craft,其中 craft/linux 下為 linux 版本的編譯腳本,craft/windows 下為 windows 版本的編譯腳本,默認編譯的庫為64位 Release 版本。
linux 和 windows上的SDK編譯方法:
打開終端(windows上為VS2015 x64 Native Tools Command Prompt 工具,linux 上為bash),cd 到編譯腳本所在目錄;
執行對應平臺的編譯腳本。
linux 上 example 的編譯運行方法:
- cd 到 example/search 目錄下,執行 make 指令;
- 拷貝模型文件到程序指定的目錄下;
- 執行腳本 run.sh。
windows 上 example 的編譯運行方法:
- 使用 vs2015 打開 SeetaExample.sln 構建工程,修改 Opencv3.props 屬性表中變量 OpenCV3Home 的值為本機上的 OpenCV3 的安裝目錄;
- 執行 vs2015 中的編譯命令;
- 拷貝模型文件到程序指定的目錄下,運行程序。2.3 Android平臺編譯說明
Android 版本的編譯方法:
- 安裝 ndk 編譯工具;
- 環境變量中導出 ndk-build 工具;
- cd 到各模塊的 jni 目錄下(如SeetaNet 的 Android 編譯腳本位置為SeetaNet/sources/jni, FaceDetector的Android 編譯腳本位置為FaceDetector/FaceDetector/jni),執行 ndk-build -j8 命令進行編譯。
編譯依賴說明:人臉檢測模塊 FaceDetector,面部關鍵點定位模塊 FaceLandmarker 以及人臉特徵提取與比對模塊 FaceRecognizer 均依賴前向計算框架 SeetaNet 模塊,因此需優先編譯前向計算框架 SeetaNet 模塊。