LibreFaceRec

Installation

Der Erkennungs-Head von LibreFaceRec läuft über onnxruntime, das nicht zur Basisinstallation gehört.

pip install "libreyolo[onnx]"

Vorhersage

from libreyolo import LibreYOLO, SAMPLE_IMAGE # librefacerec-*-Namen führen unabhängig von der Dateiendung zu dieser Familie# und laden sie bei der ersten Verwendung zusammen mit dem Standarddetektor# für Gesichter von der LibreYOLO-Organisation auf Hugging Face herunter.model = LibreYOLO("librefacerec-l.onnx")result = model(SAMPLE_IMAGE) print(result.embeddings.data.shape)   # (N, D), L2-normalisiert

libreyolo predict model=librefacerec-l.onnx source=face.jpg

from libreyolo import LibreYOLO model = LibreYOLO("librefacerec-l.onnx") # Vergleicht das auffälligste Gesicht beider Bilder anhand der Kosinusähnlichkeit# ihrer L2-normalisierten Embeddings.result = model.verify("person_a.jpg", "person_b.jpg", threshold=0.4)print(result["similarity"], result["same_person"])

from libreyolo import LibreYOLO model = LibreYOLO("librefacerec-l.onnx") query = model("query.jpg").embeddings          # Gesichter dieses Bildesgallery = model.embed(["a.jpg", "b.jpg", "c.jpg"])   # (N_total, D) # Kosinusähnlichkeiten der Form (query_faces, N_total).scores = query.similarity(gallery)

Hinter einem Aufruf stehen zwei getrennte ONNX-Graphen für Erkennung und Wiedererkennung. Ein Gesichtsdetektor lokalisiert jedes Gesicht und richtet es auf einen kanonischen Zuschnitt aus. Der Erkennungs-Head gibt pro Gesicht ein L2-normalisiertes Embedding zurück. Ohne weitere Angaben lädt und verbindet predict() den mitgelieferten Standarddetektor automatisch. face_detector akzeptiert ein Callable, ein LibreYOLO-Erkennungsmodell oder eine FaceDetector-Instanz. Mit face_boxes umgehst du die Erkennung vollständig und übergibst bereits vorhandene Boxen. result.embeddings enthält eine Zeile pro erkanntem Gesicht und ist an result.boxes ausgerichtet. Die Methode .similarity() berechnet in einem Aufruf die Kosinusähnlichkeit gegenüber einem anderen Embedding oder einer ganzen Galerie. Zum direkten Vergleich zweier Bilder statt zweier bereits berechneter Embeddings führt model.verify(image_a, image_b) Erkennung und Embedding für beide aus und vergleicht das Gesicht mit der höchsten Confidence. Du kannst jedes andere ONNX-Erkennungsmodell nach der ArcFace-Konvention (ausgerichteter Zuschnitt rein, Embeddings der Form (N, D) raus) einsetzen, indem du seinen Dateipfad statt eines librefacerec-*-Namens übergibst. Unter Vorhersage findest du Quellen, Streaming und die Verarbeitung von Ergebnissen.

Export

LibreFaceRec bindet bereits einen vorab exportierten ONNX-Graphen ein. Ein erneuter Export in ein anderes Format ist nicht implementiert.

Lizenzierung

Zitieren

@inproceedings{deng2019arcface,
  title={Arcface: Additive angular margin loss for deep face recognition},
  author={Deng, Jiankang and Guo, Jia and Xue, Niannan and Zafeiriou, Stefanos},
  booktitle={CVPR},
  year={2019}
}