LibreFaceRec

Instalación

La cabeza de reconocimiento de LibreFaceRec funciona a través de onnxruntime, que no forma parte de la instalación base.

pip install "libreyolo[onnx]"

Predicción

from libreyolo import LibreYOLO, SAMPLE_IMAGE # Los nombres librefacerec-* dirigen a esta familia sin importar el# sufijo del archivo y se descargan de la organización de LibreYOLO en# Hugging Face en el primer uso, junto con el detector de caras por defecto.model = LibreYOLO("librefacerec-l.onnx")result = model(SAMPLE_IMAGE) print(result.embeddings.data.shape)   # (N, D), normalizado con L2

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

from libreyolo import LibreYOLO model = LibreYOLO("librefacerec-l.onnx") # Compara la cara más prominente de cada imagen mediante la similitud# coseno de sus embeddings normalizados con L2.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          # las caras de esta imagengallery = model.embed(["a.jpg", "b.jpg", "c.jpg"])   # (N_total, D) # Similitudes coseno (query_faces, N_total).scores = query.similarity(gallery)

La detección y el reconocimiento son dos grafos ONNX distintos detrás de una sola llamada: un detector de caras localiza y alinea cada cara a un recorte canónico, y la cabeza de reconocimiento devuelve un embedding normalizado con L2 por cara. Si no se toca nada, predict() descarga y empareja automáticamente el detector por defecto incluido. face_detector acepta un callable, un modelo de detección de LibreYOLO o una instancia de FaceDetector; face_boxes se salta la detección por completo con bounding boxes que ya tengas. result.embeddings contiene una fila por cara detectada, alineada con result.boxes; su método .similarity() calcula la similitud coseno frente a otro embedding o a toda una galería en una sola llamada. Para comparar dos imágenes directamente en lugar de dos embeddings ya calculados, model.verify(image_a, image_b) ejecuta la detección y el embedding en ambas y compara su cara con más confianza. Se puede sustituir por cualquier otro modelo de reconocimiento ONNX que siga la convención de ArcFace (entra un recorte alineado, salen embeddings (N, D)) pasando la ruta de su archivo en lugar de un nombre librefacerec-*. Consulta predicción para fuentes, streaming y manejo de resultados.

Exportación

LibreFaceRec ya envuelve un grafo ONNX preexportado; volver a exportarlo a otro formato no está implementado.

Licencia

Cita

@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}
}