OpenFace是一种使用深度神经网络进行人脸识别的Python和Torch实现，它基于CVPR 2015论文FaceNet：由Florian Schroff，Dmitry Kalenichenko和James Philbin在Google 进行的面部识别和聚类统一嵌入。Torch允许网络在CPU或CUDA上执行。OpenFace是改进的神经网络训练技术，可将准确度从76.1％提高到92.9％。

该研究得到了美国国家科学基金会（NSF）的资助，编号为CNS-1518865。英特尔公司，谷歌，沃达丰，NVIDIA和Conklin Kistler家族基金提供了额外的支持。

自由开源人脸识别神经网络

以下概述显示了来自公开可用的LFW数据集的Sylvestor Stallone单个输入图像的工作流程。

使用dlib或OpenCV中预先训练的模型检测面部。

转换神经网络的面部。该存储库使用dlib的实时姿势估计和OpenCV的仿射变换来尝试使眼睛和下唇出现在每个图像上的相同位置。

使用深度神经网络在128维单位超球面上表示（或嵌入）面部。嵌入是任何人脸上的通用表示。与其他面部表示不同，这种嵌入具有良好的特性，即两个面嵌入之间的较大距离意味着面部可能不是同一个人。与其他特征之间的欧几里德距离无意义的人脸识别技术相比，此属性使聚类，相似性检测和分类任务更容易。

将您喜欢的聚类或分类技术应用于功能以完成识别任务。请参阅下面的分类和相似性检测示例，包括在线网络演示。

存储库中有什么？

batch-represent：从一批图像生成表示。示例目录结构。

demos / web：实时网络演示。

demos / compare.py：演示来比较两个图像。

demos / vis-outputs.lua：演示可视化网络的输出。

demos / classifier.py：演示以训练和使用分类器。

evaluation：LFW精度评估脚本。

openface：Python库代码。

models：openface和第三方库的模型目录。

tests：测试脚本和库代码，包括神经网络训练。

training：编写新的OpenFace神经网络模型的脚本。

util：实用程序脚本。

地址：

https://github.com/cmusatyalab/openface