迷若烟雨的专栏

​之前写过一篇人脸识别从原理到实践 详细介绍了人脸识别相关的算法、模型和Loss等，里面也提到insightface成为当前工业事实上的基准。但是它各种牛逼，唯一不足的点就是开始时选了mxnet框架开发，奈何现在基本没什么人用了，所以在22年3月官方悄悄的把主线版本特别是PartialFC的实现换成了pytorch，而且更早之前经历过一次大的文件结构调整，加入了paddle、oneflow等很多框架的实现，但是也导致很多之前教程给的路径都找不到了，还有一些文件直接就删除了，这对于新入手造成了很大的困扰

MTCNN是当前效果最好的开源人脸检测算法之一，作者只提供了训练好的模型以及matlab部署代码，其训练和优化在github上有很多，记录成文。如果只是部署而没有时间训练的话，建议使用下面这个https://github.com/imistyrain/MTCNN：MTCNN部署全平台实现，包括C++、python、ncnn和tensorflow，还有加速版本和opencv直接加载版本，是所...

opencv3.4 版之前自带的人脸检测器是基于Haar+Adaboost的，速度还可以，但是检出率很低，误检也很多，脸的角度稍大就检不出来，还经常会把一些乱七八糟的东西当做人脸，实在不敢恭维。好在随着深度学习领域的发展，涌现了一大批效果相当不错的人脸检测算法，比如MTCNN，给了我们更多施展的空间。看看下面这图就是基于其检测出来的，看着是不是很震撼呢？源码点此MTCNN效果着实不错，但其...

本文是对age-gender-estimation项目的详细讲解，它给出了使用keras进行性别和年龄识别的完整流程。

人脸识别是目前深度学习领域应用最为广泛的领域之一，各大框架都有不错的开源项目，可以在短时间内达到99.5%以上的精度，咱们话不多说，直接开干.

人脸属性指的是根据给定的人脸判断其性别、年龄和表情等，当前在github上开源了一些相关的工作，大部分都是基于tensorflow的，还有一部分是keras，CVPR2015曾有一篇是用caffe做的.优快云从0到1实现基于Tornado和Tensorflow的人脸、年龄、性别识别基于caffe的表情识别tensorflow练习12：利用图片预测年龄与性别怎样用Keras识别...