LibreFaceRec

Instalasi

Head pengenalan LibreFaceRec berjalan melalui onnxruntime, yang tidak termasuk dalam instalasi dasar.

pip install "libreyolo[onnx]"

Prediksi

from libreyolo import LibreYOLO, SAMPLE_IMAGE # Nama librefacerec-* diarahkan ke family ini terlepas dari akhiran berkas# dan diunduh dari organisasi LibreYOLO di Hugging Face saat pertama kali# digunakan, bersama dengan detector wajah default.model = LibreYOLO("librefacerec-l.onnx")result = model(SAMPLE_IMAGE) print(result.embeddings.data.shape)   # (N, D), dinormalisasi L2

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

from libreyolo import LibreYOLO model = LibreYOLO("librefacerec-l.onnx") # Membandingkan wajah paling menonjol dalam setiap gambar melalui cosine# similarity embedding ternormalisasi 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          # wajah dalam gambar inigallery = model.embed(["a.jpg", "b.jpg", "c.jpg"])   # (N_total, D) # Cosine similarity (query_faces, N_total).scores = query.similarity(gallery)

Deteksi dan pengenalan adalah dua graph ONNX terpisah di balik satu panggilan. Detector wajah menemukan serta menyelaraskan setiap wajah ke crop kanonis, lalu head pengenalan mengembalikan satu embedding ternormalisasi L2 per wajah. Jika dibiarkan, predict() mengunduh dan memasangkan detector default bawaan secara otomatis. face_detector menerima callable, model deteksi LibreYOLO, atau instance FaceDetector. face_boxes sepenuhnya melewati deteksi dengan memakai box yang sudah tersedia. result.embeddings memuat satu baris per wajah yang terdeteksi dan disejajarkan dengan result.boxes. Metode .similarity()-nya menghitung cosine similarity terhadap embedding lain atau seluruh galeri dalam satu panggilan. Untuk membandingkan dua gambar secara langsung, bukan dua embedding yang sudah dihitung, model.verify(image_a, image_b) menjalankan deteksi dan embedding pada keduanya, lalu membandingkan wajah dengan confidence tertinggi. Model pengenalan ONNX lain yang mengikuti konvensi ArcFace (crop selaras sebagai input, embedding (N, D) sebagai output) dapat digunakan sebagai pengganti dengan meneruskan path berkasnya alih-alih nama librefacerec-*. Lihat prediksi untuk sumber, streaming, dan penanganan hasil.

Ekspor

LibreFaceRec sudah membungkus graph ONNX yang telah diekspor. Ekspor ulang ke format lain belum diimplementasikan.

Lisensi

Sitasi

@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}
}