LibreFaceRec

Instalacja

Głowica rozpoznawania LibreFaceRec działa przez onnxruntime, które nie jest częścią instalacji podstawowej.

pip install "libreyolo[onnx]"

Predykcja

from libreyolo import LibreYOLO, SAMPLE_IMAGE # Nazwy librefacerec-* kierują do tej rodziny niezależnie od rozszerzenia# pliku i przy pierwszym użyciu pobierają pliki z organizacji LibreYOLO# na Hugging Face, razem z domyślnym detektorem twarzy.model = LibreYOLO("librefacerec-l.onnx")result = model(SAMPLE_IMAGE) print(result.embeddings.data.shape)   # (N, D), normalizacja L2

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

from libreyolo import LibreYOLO model = LibreYOLO("librefacerec-l.onnx") # Porównuje najbardziej widoczną twarz na każdym obrazie za pomocą podobieństwa# cosinusowego ich embeddingów znormalizowanych metodą 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          # twarze na tym obraziegallery = model.embed(["a.jpg", "b.jpg", "c.jpg"])   # (N_total, D) # Podobieństwa cosinusowe (query_faces, N_total).scores = query.similarity(gallery)

Za jednym wywołaniem kryją się dwa osobne grafy ONNX do detekcji i rozpoznawania. Detektor twarzy lokalizuje i wyrównuje każdą twarz do kanonicznego przycięcia, a głowica rozpoznawania zwraca dla każdej twarzy embedding znormalizowany metodą L2. Bez dodatkowej konfiguracji predict() automatycznie pobiera i łączy dołączony domyślny detektor. face_detector przyjmuje wywoływalny obiekt, model detekcji LibreYOLO albo instancję FaceDetector. face_boxes całkowicie pomija detekcję, korzystając z już dostępnych ramek. result.embeddings zawiera jeden wiersz na wykrytą twarz, wyrównany z result.boxes. Jego metoda .similarity() oblicza w jednym wywołaniu podobieństwo cosinusowe względem innego embeddingu lub całej galerii. Aby bezpośrednio porównać dwa obrazy zamiast dwóch wcześniej obliczonych embeddingów, model.verify(image_a, image_b) uruchamia detekcję i tworzenie embeddingów dla obu obrazów, a następnie porównuje ich twarze o najwyższej pewności. Można zastąpić głowicę dowolnym innym modelem rozpoznawania ONNX zgodnym z konwencją ArcFace, który przyjmuje wyrównane przycięcie i zwraca embeddingi (N, D). Wystarczy przekazać ścieżkę jego pliku zamiast nazwy librefacerec-*. Więcej informacji o źródłach, streamingu i obsłudze wyników zawiera strona predykcji.

Eksport

LibreFaceRec już opakowuje wcześniej wyeksportowany graf ONNX. Ponowny eksport do innego formatu nie jest zaimplementowany.

Licencja

Cytowanie

@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}
}