基于MTCNN与Center-Loss的多人实时人脸检测及识别系统毕业设计

简介：
本毕业设计提出了一种结合MTCNN和Center-Loss算法的多人实时人脸检测与识别系统，旨在提高人脸识别准确率和效率。 如果你对DFace项目感兴趣并希望参与进来，以下是一些待实现的功能列表，我会定期更新以展示需要开发的清单。提交你的fork请求，并通过issues来跟踪所有问题及反馈。 基于center loss或triplet loss原理开发人脸对比功能，模型采用ResNet和Inception v2架构。该功能可以比较两张人脸图片的相似性。 反欺诈功能：根据光线、质地等人脸特性防止照片攻击、视频攻击以及回放攻击等。可参考LBP算法与SVM训练模型进行实现。 3D人脸识别技术开发 移动端移植，将pytorch训练好的模型按照ONNX标准迁移到caffe2，并用c++替代numpy中的部分算法以提高性能。 Tensor RT移植：提升高并发处理能力 支持Docker部署及GPU版本的安装 DFace项目主要包含两大模块：人脸检测和人脸识别。我将会提供所有与模型训练以及运行相关的详细步骤。 首先，你需要构建一个pytorch和cv2的Python开发环境来开始你的工作。