计算机视觉库/人脸识别Face-Detector、TorchCV、DeepFaceLab介绍

以下为你介绍的计算机视觉库/人脸识别软件都可用在Linux系统上:Face-Detector(超轻量级通用人脸检测模型)、TorchCV(基于 PyTorch 的计算机视觉深度学习框架)、DeepFaceLab(AI 换脸工具)。

1、Face-Detector(超轻量级通用人脸检测模型)

计算机视觉库/人脸识别Face-Detector、TorchCV、DeepFaceLab介绍

Ultra-Light-Fast-Generic-Face-Detector-1MB。

支持及测试通过的操作环境为:Ubuntu16.04、Ubuntu18.04、Python3.6、Pytorch1.2、CUDA10.0 + CUDNN7.6。

一款超轻量级通用人脸检测模型(模型文件大小仅 1MB,320x240 输入下计算量仅 90MFlops),适用于边缘计算设备、移动端设备以及 PC。

该模型设计是针对边缘计算设备或低算力设备(如用 ARM 推理)设计的一款实时超轻量级通用人脸检测模型,旨在能在低算力设备中如用ARM进行实时的通用场景的人脸检测推理,同样适用于移动端环境(Android / IOS)、PC 环境(CPU / GPU )。有如下几个特点:

1]、在模型大小方面,默认 FP32精 度下(.pth)文件大小为 1.1MB,推理框架int8量化后大小为 300KB 左右。

2]、在模型计算量方面,320x240 的输入分辨率下仅 90~109 MFlops 左右,足够轻量。

3]、模型设计有两个版本,version-slim(主干精简速度略快),version-RFB(加入了修改后的 RFB 模块,精度更高)。

4]、提供了 320x240、640x480 不同输入分辨率下使用 widerface 训练的预训练模型,更好的工作于不同的应用场景。 

5]、无特殊算子,支持 onnx 导出,便于移植推理。

下载地址:https://gitee.com/huiwei13/Ultra-Light-Fast-Generic-Face-Detector-1MB

2、TorchCV(基于 PyTorch 的计算机视觉深度学习框架)

TorchCV 是一个基于 PyTorch 的计算机视觉深度学习框架。该库提供了基于深度学习的大部分 CV 问题研究的源代码,对于使用者来说,调用最常用、最为先进的计算机模型从此可以变得更加容易。

TorchCV 支持图像分类、语义分割、目标检测、姿态检测、实例分割、生成对抗网络等任务中的多个常见模型,列表如下:

图像分类:

VGG、ResNet、DenseNet、ShuffleNet、ShuffleNet V2、Partial Order Pruning。

语义分割:

DeepLabV3、PSPNet、DenseASPP、Asymmetric Non-local Neural Networks for Semantic Segmentation。

目标检测:

SSD、Faster R-CNN、YOLOv3、FPN。

姿态检测:

CPM、OpenPose。

实例分割:

Mask R-CNN。

生成对抗网络:

Pix2pix、CycleGAN。

关于项目主页的说明:

该存储库为大多数基于深度学习的简历问题提供了源代码,我们将尽最大努力使此存储库保持最新状态。

TorchCV的命令:

以PSPNet为例。(“tag”可以是任何字符串,包括一个空字符串。)

1]、训练

cd scripts/seg/cityscapes/

bash run_fs_pspnet_cityscapes_seg.sh train tag

2]、继续训练

cd scripts/seg/cityscapes/

bash run_fs_pspnet_cityscapes_seg.sh train tag

3]、验证

cd scripts/seg/cityscapes/

bash run_fs_pspnet_cityscapes_seg.sh val tag

4]、测试:

cd scripts/seg/cityscapes/

bash run_fs_pspnet_cityscapes_seg.sh test tag

下载地址:https://github.com/donnyyou/torchcv

3、DeepFaceLab(AI 换脸工具)

DeepFaceLab 是一种利用深度学习识别来交换图片和视频中的人脸的工具。这种技术在特定的场合下可以做出非常逼真自然的换脸视频。而 DeepFaceLab 是众多软件中,安装最简单,使用最方便,更新最快的一款软件。

功能特性:

安装方便,环境依赖几乎为零,下载打包 app 解压即可运行(最大优势)。

添加了很多新的模型。

新架构,易于模型实验。

人脸图片使用 JPG 保存,节省空间提高效率。

CPU 模式,第 8 代 Intel 核心能够在 2 天内完成 H64 模型的训练。

全新的预览窗口,便于观察。

并行提取。

并行转换。

所有阶段都可以使用 DEBUG 选项。

支持 MTCNN,DLIBCNN,S3FD 等多种提取器。

支持手动提取,更精确的脸部区域,更好的结果。

多种模型:

1]、H64 (2GB+)

64像素模型,和fakeapp,FaceSwap等相似,但是做了一些改进,使用低配置参数可以在低显存的情况下运行。

计算机视觉库/人脸识别Face-Detector、TorchCV、DeepFaceLab介绍

2]、H128 (3GB+)

128像素模型,和h64类似,但是像素更高,随之细节更加丰富。适合3~4G显存。比较适合扁平的亚洲脸型

计算机视觉库/人脸识别Face-Detector、TorchCV、DeepFaceLab介绍

计算机视觉库/人脸识别Face-Detector、TorchCV、DeepFaceLab介绍

3]、DF (5GB+)

全脸型的H128模型,强烈建议不要在SRC表面混合各种光照条件。

计算机视觉库/人脸识别Face-Detector、TorchCV、DeepFaceLab介绍

4]、LIAEF128 (5GB+)

结合了DF,IAE的改进型128全脸模型,模型试图将SRC面变形为DST,同时保持SRC面特征,但变形幅度较小。模型存在闭眼识别问题。

计算机视觉库/人脸识别Face-Detector、TorchCV、DeepFaceLab介绍

5]、SAE ( minimum 2GB+,recommended 11GB+ )

风格化的编码器,基于风格损失的新型优秀模型。通过神经网络直接完成变形/风格化。对于有障碍物的脸部也就较好的重建。

计算机视觉库/人脸识别Face-Detector、TorchCV、DeepFaceLab介绍

计算机视觉库/人脸识别Face-Detector、TorchCV、DeepFaceLab介绍

下载地址:https://github.com/iperov/DeepFaceLab

注明

以上就是计算机视觉库/人脸识别Face-Detector、TorchCV、DeepFaceLab的介绍内容,这些计算机视觉库/人脸识别软件都能使用在Linux操作系统中。

栏目相关文章