FaceNet 项目推荐

FaceNet 项目推荐

【免费下载链接】facenet Face recognition using Tensorflow 项目地址: https://gitcode.com/gh_mirrors/fa/facenet

1. 项目基础介绍和主要编程语言

FaceNet 是一个基于 TensorFlow 的开源人脸识别项目，由 David Sandberg 开发并维护。该项目的主要编程语言是 Python，并且使用了 TensorFlow 作为其深度学习框架。FaceNet 的代码库托管在 GitHub 上，地址为：https://github.com/davidsandberg/facenet。

2. 项目核心功能

FaceNet 项目的主要功能是实现高效的人脸识别和人脸验证。它通过学习一个从人脸图像到紧凑欧几里得空间的映射，使得在这个空间中的距离直接对应于人脸相似度的度量。具体来说，FaceNet 的核心功能包括：

• 人脸识别：能够识别和验证输入图像中的人脸。
• 人脸验证：通过计算人脸嵌入向量之间的距离来验证两张人脸是否属于同一个人。
• 人脸聚类：能够将相似的人脸图像聚类在一起。

3. 项目最近更新的功能

FaceNet 项目最近更新了一些新功能和改进，主要包括：

• 2018-04-10：添加了新模型，这些模型在 Casia-WebFace 和 VGGFace2 数据集上进行了训练。这些模型使用了固定图像标准化（fixed image standardization）。
• 2018-03-31：引入了新的、更灵活的输入管道，并进行了一些小的更新。
• 2017-05-13：移除了一些旧的非 slim 模型，并将最后一个瓶颈层移入各自的模型中。此外，还修正了 Center Loss 的归一化问题。
• 2017-05-06：添加了代码，允许用户在自己的图像上训练分类器。同时，重命名了 facenet_train.py 为 train_tripletloss.py，并将 facenet_train_classifier.py 重命名为 train_softmax.py。
• 2017-03-02：添加了预训练模型，这些模型生成 128 维的嵌入向量。
• 2017-02-22：更新到 TensorFlow r1.0，并使用 Travis-CI 进行持续集成。
• 2017-02-03：添加了仅存储可训练变量的模型，这些模型因此显著减小了大小。
• 2017-01-27：添加了一个在 MS-Celeb-1M 数据集子集上训练的模型，该模型的 LFW 准确率约为 0.994。
• 2017-01-02：更新到 TensorFlow r0.12，尽管不确定它是否能在旧版本的 TensorFlow 上运行。

这些更新使得 FaceNet 项目在人脸识别和验证方面更加强大和灵活，能够更好地适应不同的应用场景。

【免费下载链接】facenet Face recognition using Tensorflow 项目地址: https://gitcode.com/gh_mirrors/fa/facenet