demo展示:Link

1. 需要大家有conda+python的能力，代码和环境安装脚本绝对没有问题(上百人已验证),只要完全按照readme.md安装, 无论是win/mac/linux都没问题。
2. 由于up主已工作，没有特别多时间, 大家有问题可以在面包多留言。
3. 想要加自己的模型和DIY前端界面，可以看看：说明, 可以看我的相关blog-到目前仍是最优的解决方案。

前言

人脸识别是cv自从2015年以来最成功的商业应用之一, 人脸识别算法近5年是没有什么发展的，其实也不需要发展了，基本上到天花板了，目前各个公司的主要差距还是在数据上。目前我发现网上大部分的资料还有用facenet？opencv?确实技术太老了，我知道的18年我都不用这些的。

Pipeline

虽然很简单我还是简单介绍下人脸识别的pipeline:

1. 人脸和关键点检测
2. 人脸crop & align
3. 人脸特征提取
4. 人脸向量检索

Q1: 可不可以不人脸关键点检测

A: 可以, 关键点检测是为了后面的人脸矫正，更好的矫正角度可以提高识别精度。不检测关键点，不矫正其实也是可以的。

Q3: 特征点提取是什么原理

A: 就是经典的度量学习，通过设计loss将一张图像通过模型映射到隐空间上。loss可以看看啊arcface。

Ours

前面的铺垫，是为了让大家记住, 目前数据才是影响人脸识别最大的因素。我们在这总结了目前最强的模型是由insightface开源ResNet50@WebFace600K(即:backbone为resnet50, 训练数据集为webface600k)。

WE DO

1.我们从insighface开源代码中,抽离出了检测/矫正/特征提取采用onnx加速。结构清晰/代码简单

2.我们支持注册/检索数据库，采用facebook发布的faiss可支持亿万级检索(当然主要看内存)

3.我们自带GUI前端，和一键式安装脚本。我们可以有效处理文件/遍历文件夹/自带摄像头。

4.我们的python源码可以帮助你了解熟悉人脸识别流程。