导读

提到人工智能和人脸识别开源技术，相信很多业内的同行对于InsightFace应该不陌生，其中的Arcface论文被引用超过2100+，自从2018年开源以来，在GitHub上的增长也保持着强劲的增长态势。

从项目中展示的实际效果图上也可以看出效果确实不错。

而且近一年来，InsightFace持续保持着强劲且活跃的更新态势：

其中既包含大量在学术圈、国际比赛（ICCV21、NIST-FRVT）的新进展，也支持多种框架的适配（MXNet、PyTorch、PaddlePaddle）。

1 InsightFace框架介绍

InsightFace 是一个开源的 2D&3D 深度人脸分析工具箱，其中高效地实现了丰富多样的人脸识别、人脸检测和人脸对齐算法，并且针对训练和部署进行了优化，在多项算法测评、比赛获得优胜。

2 新增支持基于PaddlePaddle框架实现人脸识别系统

基于飞桨实现了人脸识别的Blazeface、Arcface和MobileFace，开箱即用且有一定速度优势，支持大规模分布式训练，吞吐率高，最大可支持6000万分类。

（1）Arcface模型开箱即用且有一定速度优势

• 开箱即用

• 速度优势

（2）ResNet大模型分布式训练吞吐率高，最大支持6000万分类

• 吞吐率领先优势

• 最大支持6000万分类

（3）一行代码实践简单人脸识别demo

检测+识别串联预测的示例脚本如下：

python3.7 tools/test_recognition.py --det --rec --index=index.bin --input=friends2.jpg --output="./output"

最终可视化结果保存在output目录下，可视化结果如下图所示。

传送门：

https://github.com/deepinsight/insightface/tree/master/recognition/arcface_paddle

3 福利时间

为了让大家更多地熟悉InsightFace，了解项目最新更新进展，InsightFace发起人与飞桨开发者一起，在B站直播间，为大家分享最新进展。

4 报名课程加入技术交流群

微信扫描下方二维码报名直播课。报名成功后即可加入InsightFace交流群，与Insightface项目发起人和飞桨开发者一起技术交流。 

项目地址：

GitHub: https://github.com/deepinsight/insightface

图片来源说明：

1、文中人物相关图片均来自于InsightFace开源项目截图。