#face-detection Dépôts
Découvrez 61 dépôts GitHub open source actifs associés à #face-detection, cumulant 258,221 étoiles au total (soit une moyenne de 4,233 étoiles par projet). Le projet en tête de ce thème est ageitgey/face_recognition, avec 56,916 étoiles.
61 dépôts au total
L'API de reconnaissance faciale la plus simple au monde pour Python et la ligne de commande
API JavaScript pour la détection et la reconnaissance faciale dans le navigateur et Node.js avec tensorflow.js
Kit d'outils de détection d'objets basé sur PaddlePaddle. Il prend en charge la détection d'objets, la segmentation d'instances, le suivi de plusieurs objets et la détection de points clés de plusieurs personnes en temps réel.
Une bibliothèque open source pour la détection de visages dans les images. La vitesse de détection des visages peut atteindre 1000 FPS.
Calculateur de formes mélangées et de cinématique pour les modèles de suivi du visage, des yeux, de la pose et des doigts de Mediapipe/Tensorflow.js.
Modèles pré-entraînés PyTorch pour la détection de visages (MTCNN) et la reconnaissance faciale (InceptionResnet)
Bibliothèque de détection rapide de visages, localisation de la pupille/yeux et détection de points de repère faciaux en pur Go.
TNN : développé par Tencent Youtu Lab et Guangying Lab, un framework d'inférence d'apprentissage profond unifié pour mobile, bureau et serveur. TNN se distingue par plusieurs caractéristiques exceptionnelles, notamment sa capacité multiplateforme, ses hautes performances, la compression des modèles et l'élagage du code. Basé sur ncnn et Rapidnet, TNN renforce davantage le support et l'optimisation des performances pour les appareils mobiles, et tire également parti des avantages d'une bonne extensibilité et de hautes performances des efforts open source existants.
Une collection d'applications exemples pour montrer comment utiliser les API ML Kit de Google sur Android et iOS
🔥🔥Bibliothèque de Reconnaissance Faciale Haute Performance sur PaddlePaddle & PyTorch🔥🔥
Détection 3D du visage et suivi de rotation alimentés par l'IA, Description et reconnaissance du visage, Suivi de la pose du corps, Suivi 3D de la main et des doigts, Analyse de l'iris, Prédiction de l'âge, du genre et de l'émotion, Suivi du regard, Reconnaissance des gestes
Une application Python qui détecte et met en évidence le rythme cardiaque d'un individu (en utilisant uniquement sa propre webcam) en temps réel.
Reconnaissance faciale, détection de vivacité du visage, protection du visage contre l’usurpation, détection du visage, points caractéristiques du visage, comparaison faciale, mise en correspondance faciale, pose du visage, expression faciale, attributs du visage, extraction de modèles faciaux, points caractéristiques du visage
🎭 Bibliothèque WebGL et JavaScript légère pour la détection, le suivi multi-visages en temps réel et les filtres faciaux en réalité augmentée. Prend en charge la rotation, l'ouverture de la bouche et s'intègre avec Three.js, Babylon.js, Canvas2D et CSS3D
Tutoriels Jupyter Notebook pour résoudre des problèmes du monde réel avec Machine Learning & Deep Learning en utilisant PyTorch. Sujets : Détection de visages avec Detectron 2, Détection d'anomalies dans les séries temporelles avec LSTM Autoencoders, Détection d'objets avec YOLO v5, Construisez votre premier Neural Network, Prévision de séries temporelles pour les cas quotidiens de Coronavirus, Analyse de sentiments avec BER
SeetaFace 2 : kit d'outils open source, full stack pour la reconnaissance faciale.
Un framework de raisonnement, avec de nombreux démos utiles simultanément, si vous le trouvez utile, veuillez lui donner une étoile
Suivi robuste en temps réel du visage et des points de repère faciaux sur CPU avec intégration Unity
Bibliothèque de vision par ordinateur pour l'interaction homme-machine. Elle implémente l'estimation de la pose de la tête et de la direction du regard à l'aide de réseaux de neurones convolutifs, la détection de peau par rétroprojection, la détection et le suivi du mouvement, la carte de saillance.
Damselfly est une application de gestion de photographies basée sur un serveur. L'objectif de Damselfly est d'indexer une collection extrêmement importante d'images et de permettre une recherche et une récupération faciles de ces images, en utilisant des métadonnées telles que les étiquettes de mots-clés IPTC, ainsi que les noms de dossiers et de fichiers. Damselfly inclut un support pour la détection d'objets/visages.
Une extension de navigateur qui vous permet de naviguer sur le Web dans le respect de vos valeurs islamiques, de protéger votre vie privée et de réduire les distractions de navigation en détectant et en brouillant automatiquement le contenu "Haram".
Apprenez OpenCV en 4 heures - Codes utilisés dans mon cours Python et OpenCV sur freeCodeCamp.
Réplication de projets CV simples incluant attention, classification, détection, détection de points clés, etc.
Application conteneurisée avec Docker qui redimensionne et recadre les images en temps réel, délivrant des images optimisées aux formats tels que AVIF, WebP, MozJPEG ou PNG à l'aide d'ImageMagick, avec un système de mise en cache efficace.
Galerie web open-source auto-hébergée pour visualiser vos photos et vidéos avec une interface adaptée aux mobiles, le marquage et la découverte d'images basée sur l'IA
🌝 MLKit est une boîte à outils puissante et facile à utiliser. Avec ML Kit, vous pouvez facilement implémenter des fonctionnalités telles que la reconnaissance de texte, la reconnaissance de codes-barres, le marquage d'images, la détection de visages, la détection d'objets, etc.
Bibliothèque WebGL et JavaScript en temps réel pour le suivi du visage, la détection d'expressions et les émoticônes animées dans le navigateur, avec des démos SVG et Three.js incluses 😄
Cette catégorie applique le mode de contenu Aspect Fill à une image et, si des visages sont détectés, les centre au lieu de centrer l'image simplement par son centre géométrique.
Bibliothèque de reconnaissance faciale hors ligne super simple pour C#. (Basé sur SeetaFace6)
Le Plan de Partage Virtuel Idol (アイドル) est un algorithme de détection des points caractéristiques des yeux et du visage humain basé sur une caméra RGB monoculaire, appliqué dans les domaines de la capture faciale 3D en temps réel et des applications pilotées par modèle.
L'idée de cette liste est de collecter des données et des algorithmes partagés autour des Modèles Morphables 3D. Vous êtes invités à contribuer à cette liste en ajoutant une pull request. La liste originale est issue du séminaire Dagstuhl sur les Modèles Morphables 3D https://www.dagstuhl.de/19102 en mars 2019.
🔥🔥🔥Boîte à outils d'algorithmes d'IA gratuite et hors ligne pour Java, prenant en charge la reconnaissance faciale, la détection de vivacité, la reconnaissance d'expressions, la détection d'objets, la segmentation d'instances, la détection de piétons, la reconnaissance de texte OCR, la reconnaissance de plaques d'immatriculation, la reconnaissance de tableaux, ASR+TTS, la traduction automatique et d'autres fonctions, utilisable par référence Maven. Prend en charge PyTorch, Tensorflow et a intégré des modèles courants tels que Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.
Le programme d'entraînement pour libfacedetection pour la détection de visage et la détection de 5 points de repère.
Démonstration de différents algorithmes et opérations sur les visages. Étoilez le dépôt⭐
Application de Reconnaissance Faciale; Détection de Vivacité Faciale; Détection Faciale; Alignement Facial; Identification Faciale && Vérification Faciale && Comparaison Faciale; Correspondance Faciale; Suivi Facial; Expression Faciale && Anti-Usurpation Faciale; Attribut Facial && Âge Facial; Transfert Facial; Anti-Usurpation Faciale; Récupération Faciale; reconnaissance faciale
Foire aux questions
Quel est le dépôt #face-detection le plus populaire sur GitHub ?
Le projet #face-detection open source le mieux classé sur GitHub est ageitgey/face_recognition, avec 56,916 étoiles. L'API de reconnaissance faciale la plus simple au monde pour Python et la ligne de commande
Quels langages de programmation sont les plus utilisés dans les dépôts #face-detection ?
Parmi les projets #face-detection les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, JavaScript, C++, C#.
Comment le classement des dépôts #face-detection est-il calculé ?
Nous suivons 61 dépôts open source actifs associés à #face-detection (500+ étoiles), totalisant 258,221 étoiles, avec une moyenne de 4,233 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.