## github
1. https://github.com/deepinsight/insightface
2. https://github.com/serengil/deepface
3. https://github.com/layumi/Person_reID_baseline_pytorch
#### DeepFace
* 支持的模型
1. **VGG-Face**：基於 VGG 架構的模型，提供了較高的識別準確性。
2. Google FaceNet：由 Google 開發的模型，用於生成高質量的面部嵌入向量。
3. OpenFace：基於 OpenFace 項目的模型，旨在提供高效和準確的人臉識別。
4. Facebook DeepFace：由 Facebook 開發的模型，是最早的人臉識別深度學習模型之一。
5. DeepID：由中國科學院開發的模型，用於高精度的人臉識別。
6. ArcFace：采用 ArcFace 損失函數的模型，提高了人臉識別的準確性。
7. Dlib：基於 Dlib 庫的模型，提供了高效的人臉檢測和識別功能。
8. SFace：另一個高性能的人臉識別模型，提供了良好的識別效果。
9. Facenet512：基於 FaceNet 的512維度模型，提供了高維度的面部特征嵌入。
10. GhostFaceNet：輕量級的高效人臉識別模型，適用於資源有限的場景。
* 支持的檢測後端
1. OpenCV：基於 Haar Cascades 或 DNN 模塊的檢測方法。
2. SSD：使用單階段檢測器（Single Shot MultiBox Detector）進行人臉檢測。
3. Dlib：使用 Dlib 庫中的人臉檢測器。
4. MTCNN：多任務卷積神經網絡（MTCNN）用於高效的人臉檢測和關鍵點定位。
5. RetinaFace：高精度的人臉檢測器，基於 RetinaNet 框架。
6. MediaPipe：由 Google 提供的跨平台機器學習框架，提供了高效的人臉檢測功能。
7. YOLOv8：最新版本的 YOLO（You Only Look Once）檢測器，提供了高效的實時檢測性能。
8. YUNet：用於人臉檢測的輕量級模型。
9. CenterFace：一種基於中心關鍵點檢測的人臉檢測方法。
* 人臉檢測算法
1. Haar Cascades:Haar Cascades 是一種基於機器學習的對象檢測算法，常用於人臉檢測。它是 OpenCV 中提供的一種經典方法。
2. MTCNN（Multi-task Cascaded Convolutional Networks）:MTCNN 是一種深度學習模型，專門用於高效和準確的人臉檢測，支持人臉對齊和關鍵點檢測。
3. RetinaFace:RetinaFace 是一種基於 RetinaNet 的人臉檢測算法，具有高精度和高效能的特點。
* 核心功能
1. 人臉檢測：檢測圖像中的人臉，並返回人臉的位置和尺寸。
```
result = DeepFace.verify(
img1_path = "img1.jpg",
img2_path = "img2.jpg",)
```
2. 人臉識别：識别人脸，并返回匹配的身份信息。
```
dfs = DeepFace.find(
img_path = "img1.jpg",
db_path = "C:/workspace/my_db",)
```
3. 屬性分析：分析人臉的屬性，如年齡、性别、種族和表情。
```
objs = DeepFace.analyze(
img_path = "img4.jpg",
actions = ['age', 'gender', 'race', 'emotion'],)
```
4. 臉部驗証：驗証兩張人臉是否屬于同一个人。
```
dfs = DeepFace.find(
img_path = "img1.jpg",
img2_path = "img2.jpg",)
```
5. 表示提取：提取人臉的嵌入向量，用于比較和識别。
```
embedding_objs = DeepFace.represent(
img_path = "img.jpg")
```
* Deepface.find 各參數對臉部準確度影響表格 (官方建議準確度 > 97.5 ，較適合用於人臉辨識)
**各參數預設值**:
```
model_name = "VGG-Face"
detector_backend = "opencv"
distance_metric = "cosine"
align = True
```
參考: https://github.com/serengil/deepface/tree/master/benchmarks
* DeepFace.find 人臉辨識預設距離門檻值
DeepFace.find 如果沒有設定 threshold 參數，會自動根據所選 model ，產生一個預設距離門檻值，如果輸入的人臉和資料庫所有人臉比對，距離都高於此門檻(表示資料庫查無此人臉)，結果會回傳一個空的 DataFrame，以下為各 model 對應的門檻值:
``` python=
base_threshold = {"cosine": 0.40, "euclidean": 0.55, "euclidean_l2": 0.75}
thresholds = {
"VGG-Face": {
"cosine": 0.68,
"euclidean": 1.17,
"euclidean_l2": 1.17,
},
"Facenet": {"cosine": 0.40, "euclidean": 10, "euclidean_l2": 0.80},
"Facenet512": {"cosine": 0.30, "euclidean": 23.56, "euclidean_l2": 1.04},
"ArcFace": {"cosine": 0.68, "euclidean": 4.15, "euclidean_l2": 1.13},
"Dlib": {"cosine": 0.07, "euclidean": 0.6, "euclidean_l2": 0.4},
"SFace": {"cosine": 0.593, "euclidean": 10.734, "euclidean_l2": 1.055},
"OpenFace": {"cosine": 0.10, "euclidean": 0.55, "euclidean_l2": 0.55},
"DeepFace": {"cosine": 0.23, "euclidean": 64, "euclidean_l2": 0.64},
"DeepID": {"cosine": 0.015, "euclidean": 45, "euclidean_l2": 0.17},
"GhostFaceNet": {"cosine": 0.65, "euclidean": 35.71, "euclidean_l2": 1.10},
}
```
舉例
``` python3=
"""
以下參數設定，預設門檻值為 0.3
"""
result1 = DeepFace.find(
input_face_image,
db_path="your_face_db",
enforce_detection=False,
detector_backend = "ssd",
model_name="Facenet512",
distance_metric="cosine"
)
if result1[0].empty == True:
#資料庫找不到與 input_face_image 相似的人臉(找不到門檻 <= 0.3 的人臉)
else:
#資料庫找到與 input_face_image 相似的人臉
"""
以下參數設定，預設門檻值為 4.15
"""
result2 = DeepFace.find(
input_face_image,
db_path="your_face_db",
enforce_detection=False,
detector_backend = "yolov8",
model_name="ArcFace",
distance_metric="euclidean"
)
if result2[0].empty == True:
#資料庫找不到與 input_face_image 相似的人臉(找不到門檻 <= 4.15 的人臉)
else:
#資料庫找到與 input_face_image 相似的人臉
```
#### [ DeepFake](https://github.com/Ming-Lian/Machine-Learning-Course-in-UCAS/blob/master/deepfake-faceswap%E6%8D%A2%E8%84%B8%E5%A4%A7%E6%B3%95%EF%BC%9A%E8%AF%A6%E7%BB%86%E6%95%99%E7%A8%8B.md)
換臉
#### [Face Recognition](https://github.com/ageitgey/face_recognition)
* 基於dlib
* face_recognition/Script/activate 開啟安裝環境
* face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/
* --tolerance 預設容差值為 0.6，較低的數字使臉部比較更加嚴格
* --show-distance true 每個匹配計算的臉部距離以調整容差設置(可用於相似度比較 越接近0越像)
* --cpus 4 加速
* 對資料庫臉部偵測不佳(以下角度無法偵測)
|  |  |  | |
| ------------------------------------------------ | ------------------------------------------------ | ------------------------------------------------ | --- |
* 辨識效果不佳，會跳動
* 速度慢，每次都要從新計算
* 支援多人
---
* python face_recognition_cli.py --show-distance true./pictures_of_people_i_know/ ./unknown_pictures/
* https://github.com/ageitgey/face_recognition/blob/master/face_recognition/face_recognition_cli.py
## [ReID](https://github.com/layumi/Person_reID_baseline_pytorch)
* cd D:\ReID\vision\apex
* python train.py --name ft_ResNet50 --train_all --batchsize 32 --data_dir D:\ReID\vision\Market\pytorch
* cpu跑不動
* 行人檢測（目標識別） --> 特征提取 --> 行人跟蹤（目標跟蹤）--> 跨鏡頭行人跟蹤 --> 向量存儲與檢索
* 
## [ArcFace]()
* [InsightFace](https://github.com/deepinsight/insightface):
* 可偵測人臉
* 
* 辨識疑似需要GPU訓練
* 有一對多換臉功能([in_swapper](https://github.com/deepinsight/insightface/tree/master/examples/in_swapper))
* L2-Norm 來計算之間的距離
* https://github.com/chingi071/Face_recognition (3)
* tensorflow / retinaface版本不相容
* https://github.com/peteryuX/arcface-tf2 (5)
* tensorflow 版本不相容
* https://github.com/yinguobing/arcface
* 示範影片偵測人臉不佳
* https://www.bilibili.com/video/BV16T4y1P72j/
* https://blog.csdn.net/guyuealian/article/details/130600472
### insight face swap
* 單人換臉
* 多人換臉(注意順序)
* 混和多人臉部後換臉(最多3個)
* 可用於comfyui
* https://www.youtube.com/watch?v=72xow6bNWSc
* 有多種組合方式，可呈現人臉特徵
* FaceID Plus(Insightface+clipvision)
* portrait
https://github.com/xxrjun/face-recognition
https://github.com/SthPhoenix/InsightFace-REST
https://github.com/PaddlePaddle/FastDeploy/blob/develop/examples/vision/facedet/retinaface/python/README_CN.md
Sign in with Wallet
Connect another wallet