LibreFaceRec

Instalação

A cabeça de reconhecimento do LibreFaceRec roda através do onnxruntime, que não faz parte da instalação base.

pip install "libreyolo[onnx]"

Predição

from libreyolo import LibreYOLO, SAMPLE_IMAGE # nomes librefacerec-* apontam para esta família independentemente do# sufixo do arquivo e são baixados da org do LibreYOLO no Hugging Face# no primeiro uso, junto com o detector de rostos padrão.model = LibreYOLO("librefacerec-l.onnx")result = model(SAMPLE_IMAGE) print(result.embeddings.data.shape)   # (N, D), normalizado por L2

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

from libreyolo import LibreYOLO model = LibreYOLO("librefacerec-l.onnx") # Compara o rosto mais proeminente de cada imagem pela similaridade# de cosseno dos seus embeddings normalizados por 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          # os rostos desta imagemgallery = model.embed(["a.jpg", "b.jpg", "c.jpg"])   # (N_total, D) # similaridades de cosseno (query_faces, N_total).scores = query.similarity(gallery)

Detecção e reconhecimento são dois grafos ONNX separados por trás de uma única chamada: um detector de rostos localiza e alinha cada rosto em um recorte canônico, e a cabeça de reconhecimento devolve um embedding normalizado por L2 para cada rosto. Sem nenhuma configuração, o predict() baixa e pareia automaticamente o detector padrão que vem embutido. face_detector aceita um callable, um modelo de detecção do LibreYOLO ou uma instância de FaceDetector; face_boxes pula a detecção por completo usando caixas que você já tem. result.embeddings guarda uma linha por rosto detectado, alinhada com result.boxes; o método .similarity() dele calcula a similaridade de cosseno contra outro embedding ou contra uma galeria inteira em uma única chamada. Para comparar duas imagens diretamente, em vez de dois embeddings já calculados, model.verify(image_a, image_b) roda detecção e embedding nas duas e compara o rosto mais confiante de cada uma. Qualquer outro modelo ONNX de reconhecimento na convenção ArcFace (recorte alinhado na entrada, embeddings (N, D) na saída) pode ser usado no lugar, passando o caminho do arquivo dele em vez de um nome librefacerec-*. Veja predição para fontes, streaming e tratamento de resultados.

Exportação

O LibreFaceRec já embrulha um grafo ONNX pré-exportado; reexportá-lo para outro formato não está implementado.

Licenciamento

Citação

@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}
}