LibreFaceRec

LibreFaceRec 是 LibreYOLO 的人脸嵌入向量任务：一个人脸检测器负责定位并对齐人脸，一个识别 head 产出经过 L2 归一化的身份嵌入向量，用来做验证或者检索。

任务: embed
尺寸
安装: pip install libreyolo
支持层级: 仅推理，自 v 起。仅支持预测、验证和导出。训练相关的功能不适用。
上游: AuraFace-v1，由 fal.ai 发布，采用 Apache-2.0 许可。论文、源码
许可: 代码采用 MIT，权重采用 Apache-2.0。商用

安装

LibreFaceRec 的识别 head 跑在 onnxruntime 上，而它不属于基础安装的一部分。

bash

pip install "libreyolo[onnx]"

预测

Python

from libreyolo import LibreYOLO, SAMPLE_IMAGE # librefacerec-* 这类名字不管文件后缀是什么都会路由到这个家族，并在# 首次使用时连同默认的人脸检测器一起，从 LibreYOLO 的 Hugging Face# 组织下载model = LibreYOLO("librefacerec-l.onnx")result = model(SAMPLE_IMAGE) print(result.embeddings.data.shape)   # (N, D)，已做 L2 归一化

CLI

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

人脸验证

from libreyolo import LibreYOLO model = LibreYOLO("librefacerec-l.onnx") # 用两张图像中各自最显著的那张人脸、它们 L2 归一化嵌入向量之间的# 余弦相似度来做比较result = model.verify("person_a.jpg", "person_b.jpg", threshold=0.4)print(result["similarity"], result["same_person"])

图库检索

from libreyolo import LibreYOLO model = LibreYOLO("librefacerec-l.onnx") query = model("query.jpg").embeddings          # 这张图像里的人脸gallery = model.embed(["a.jpg", "b.jpg", "c.jpg"])   # (N_total, D) # (query_faces, N_total) 的余弦相似度scores = query.similarity(gallery)

检测和识别是一次调用背后的两张独立 ONNX 计算图：人脸检测器定位每一张人脸，并把它对齐成一个标准裁剪，识别 head 则为每张人脸返回一个经过 L2 归一化的嵌入向量。什么都不设时，predict() 会自动下载并配上自带的默认检测器。face_detector 接受一个可调用对象、一个 LibreYOLO 检测模型，或者一个 FaceDetector 实例； face_boxes 则用你已经有的检测框完全跳过检测这一步。result.embeddings 每检测到一张人脸就存一行，和 result.boxes 一一对应；它的 .similarity() 方法一次调用就能算出与另一个嵌入向量、或者与整个图库之间的余弦相似度。如果你要直接比较两张图像，而不是两个已经算好的嵌入向量，model.verify(image_a, image_b) 会对两张图都跑一遍检测和嵌入，然后比较各自置信度最高的那张人脸。任何其他遵循 ArcFace 约定的 ONNX 识别模型（输入对齐后的裁剪，输出 (N, D) 嵌入向量）都可以替换进来，只要传它的文件路径而不是 librefacerec-* 名字。数据源、流式处理和结果处理见预测。

导出

任务	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
embed	embed to ONNX：不支持	embed to TorchScript：不支持	embed to ExecuTorch：不支持	embed to TensorRT：不支持	embed to OpenVINO：不支持	embed to Paddle：不支持	embed to MNN：不支持	embed to RKNN：不支持	embed to ncnn：不支持	embed to TFLite：不支持	embed to CoreML：不支持	embed to Core AI：不支持

LibreFaceRec 封装的本来就是一张预先导出好的 ONNX 计算图；把它再导出成另一种格式还没有实现。

许可证

请检查你所下载的具体权重在 Hugging Face 仓库中的许可。LibreYOLO 组织里的每个检查点都附有许可，同一家族内也不一定相同。该仓库是权威来源；以下摘要说明本页上次验证时适用的情况。

这里只说明涉及的许可证，不构成法律意见。如果答案对商用很重要，请自行阅读许可证并咨询法律顾问。

原始工作: AuraFace-v1, fal.ai
上游许可: Apache-2.0
上游来源: huggingface.co/fal/AuraFace-v1
LibreYOLO 代码: MIT
权重: 采用 Apache-2.0 许可，由作者分发。LibreYOLO 不托管或镜像这些权重。
解读: Apache-2.0 covers the embedding weights (AuraFace-v1's glintr100 recognition head), so they may be used, modified and redistributed, including commercially, provided the license text and attribution notices travel with any copy. LibreYOLO's default face detector is a separate artifact under a separate license, MIT (OpenCV Zoo's YuNet, copyright Shiqi Yu). No code is ported from either project: both graphs are consumed opaquely through onnxruntime, so LibreYOLO's own wrapper code, which carries no third-party architecture, is MIT throughout. Any other ArcFace-convention ONNX recognition model can be substituted by passing its file path, and that file's own license then applies instead of AuraFace-v1's.

自带的默认人脸检测器是第二份产物，适用的是第二份许可证：OpenCV Zoo 的 YuNet， MIT，版权归 Shiqi Yu。两个项目的架构代码都没有被移植过来；两张计算图都通过 onnxruntime 以不透明的方式调用，所以 LibreYOLO 自己的封装不含任何第三方代码，从头到尾都是 MIT。

引用

@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}
}

复制自作者在 github.com/deepinsight/insightface/tree/master/recognition/arcface_torch#citations 上提供的引用块。