Python 3D库：使用PyTorch构建2D和3D人脸比对库（基于face-alignment）

人脸识别

使用世界上最准确的面对齐网络从Python中检测面部地标，能够检测2D和3D坐标中的点。

使用FAN的最先进的基于深度学习的面部对齐方法构建。为了检测面，库使用了dlib库。

注意：lua版本也可以使用，查看这里

对于数值评估，强烈建议使用在本文中评估的Lua版本，它使用了indentical模型。更多语言支持正在开发中。

特征

检测2D图片中的面部标志点

]

import face_alignment

from skimage import io

fa = face_alignment.FaceAlignment(face_alignment.LandmarksType._2D, enable_cuda=True, flip_input=False)

input = io.imread('../test/assets/aflw-test.jpg')

preds = fa.get_landmarks(input)

检测3D图片中的面部标志点

import face_alignment

from skimage import io

fa = face_alignment.FaceAlignment(face_alignment.LandmarksType._3D, enable_cuda=True, flip_input=False)

input = io.imread('../test/assets/aflw-test.jpg')

preds = fa.get_landmarks(input)

查找给定图像中存在的所有面

import face_alignment

from skimage import io

fa = face_alignment.FaceAlignment(face_alignment.LandmarksType._2D, enable_cuda=False, flip_input=False)

input = io.imread('../test/assets/aflw-test.jpg')

preds = fa.detect_faces(input)

一次处理整个目录

import face_alignment

from skimage import io

fa = face_alignment.FaceAlignment(face_alignment.LandmarksType._2D, enable_cuda=False, flip_input=False)

input = io.imread('../test/assets/aflw-test.jpg')

preds = fa.process_folder('../test/assets/', all_faces=True)

更多也可以查看examples文件夹

安装

要求条件

Python 3.5+或Python 2.7（它可能与其他版本一起使用）

Linux或macOS（一旦pytorch获得支持，Windows可能会工作）

pytorch（> = 0.2推荐）

虽然不需要，为了获得最佳性能（特别是对于检测器），强烈建议您使用支持CUDA的GPU运行代码。

二进制

Conda构建即将推出！

源码安装

安装pytorch和pytorch依赖。从pytorch自述文件中获取的说明。对于更新版本检查框架github页面。

在Linux上

export CMAKE_PREFIX_PATH="(𝑑𝑖𝑟𝑛𝑎𝑚𝑒  (dirname (which conda))/../" # [anaconda root directory]

# Install basic dependencies

conda install numpy pyyaml mkl setuptools cmake gcc cffi

# Add LAPACK support for the GPU

conda install -c soumith magma-cuda80 # or magma-cuda75 if CUDA 7.5

在OSX上

export CMAKE_PREFIX_PATH=[anaconda root directory]

conda install numpy pyyaml setuptools cmake cffi

获取PyTorch源码

git clone --recursive https://github.com/pytorch/pytorch

安装PyTorch

在Linux上

python setup.py install

在OSX上

MACOSX_DEPLOYMENT_TARGET=10.9 CC=clang CXX=clang++ python setup.py install

获取face-alignment源代码

git clone https://github.com/1adrianb/face-alignment

安装face-alignment lib

pip install -r requirements.txt

python setup.py install

Docker 图像

提供了一个Docker文件来构建具有cuda支持和cudnn v5的图像。有关运行和构建Docker映像的更多说明，请查看原始Docker文档。

docker build -t face-alignment .

它是如何工作的？

虽然这里的工作是一个黑盒子，如果你想更多地了解该方法的内容，请在arxiv或我的网页上查看原始文件。

捐款

欢迎所有的贡献。如果您遇到任何问题（包括失败的图像示例），请随时打开问题。

引文

@inproceedings{bulat2017far,

title={How far are we from solving the 2D \& 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks)},

author={Bulat, Adrian and Tzimiropoulos, Georgios},

booktitle={International Conference on Computer Vision},

year={2017}

}

致谢

给dlib开发人员提供预先训练的人脸检测模型

给pytorch团队提供这样一个令人敬畏的深层次的学习框架

对我的主管的耐心和建议。

给所有其他的python开发人员提供了这个存储库中使用的其他软件包。

原创文章，转载请注明 ：使用pytorch构建2D和3D人脸比对库（使用face-alignment） - pytorch中文网

原文出处： https://ptorch.com/news/62.html

问题交流群 ：168117787

 相关资源：dinov2-main.zip资源
免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删