LibreFaceRec

Installazione

La testa di riconoscimento di LibreFaceRec passa per onnxruntime, che non fa parte dell'installazione base.

pip install "libreyolo[onnx]"

Predizione

from libreyolo import LibreYOLO, SAMPLE_IMAGE # I nomi librefacerec-* puntano a questa famiglia a prescindere dal# suffisso del file e al primo uso vengono scaricati dall'org Hugging# Face di LibreYOLO, insieme al rilevatore di volti predefinito.model = LibreYOLO("librefacerec-l.onnx")result = model(SAMPLE_IMAGE) print(result.embeddings.data.shape)   # (N, D), normalizzati L2

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

from libreyolo import LibreYOLO model = LibreYOLO("librefacerec-l.onnx") # Confronta il volto più prominente di ciascuna immagine tramite la# similarità coseno dei loro embedding normalizzati 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          # i volti di questa immaginegallery = model.embed(["a.jpg", "b.jpg", "c.jpg"])   # (N_total, D) # Similarità coseno (query_faces, N_total).scores = query.similarity(gallery)

Il rilevamento e il riconoscimento sono due grafi ONNX separati dietro a una sola chiamata: un rilevatore di volti individua e allinea ogni volto a un ritaglio canonico, e la testa di riconoscimento restituisce un embedding normalizzato L2 per ogni volto. Se non intervieni, predict() scarica e abbina automaticamente il rilevatore predefinito incluso. face_detector accetta un callable, un modello di rilevamento LibreYOLO o un'istanza di FaceDetector; face_boxes salta del tutto il rilevamento usando i box che hai già. result.embeddings contiene una riga per ogni volto rilevato, allineata con result.boxes; il suo metodo .similarity() calcola la similarità coseno rispetto a un altro embedding o a un'intera galleria in una sola chiamata. Per confrontare direttamente due immagini invece di due embedding già calcolati, model.verify(image_a, image_b) esegue rilevamento ed embedding su entrambe e confronta il volto con la confidenza più alta. Qualsiasi altro modello di riconoscimento ONNX che segua la convenzione ArcFace (in ingresso un ritaglio allineato, in uscita embedding (N, D)) può essere sostituito passando il percorso del suo file al posto di un nome librefacerec-*. Vedi predizione per sorgenti, streaming e gestione dei risultati.

Esportazione

LibreFaceRec incapsula già un grafo ONNX pre-esportato; la riesportazione verso un altro formato non è implementata.

Licenze

Citazione

@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}
}