openface

github：https://github.com/cmusatyalab/openface

openface是一個基于深度神經網絡的開源人臉識別系統。該系統基于谷歌的文章《FaceNet: A Unified Embedding for Face Recognition and Clustering》。openface是卡內基梅隆大學的 Brandon Amos主導的。

OpenFace

github：https://github.com/TadasBaltrusaitis/OpenFace

很有意思的一個事情是，我們要介紹的第二個項目，同樣叫做OpenFace，只是他的首字母都是大寫的，這個項目主要在Landmark Detection，Landmark and head pose tracking，Facial Action Unit Recognition等，其中Facial Action Unit Recognition是個比較有意思的點，該項目給出一個臉部的每個AU的回歸分數和分類結果。

face_swap

github：https://github.com/YuvalNirkin

face_swap實現了一種end-to-end的自動換臉算法，基于單圖換臉，C++實現所有的代碼。專門準備的人臉數據集，讓FCN在分割人臉時得到優異的效果。論文：《On Face Segmentation, Face Swapping, and Face Perception》。

SeetaFace Engine

github：https://github.com/seetaface/SeetaFaceEngine

中科院山世光老師開源的人臉識別引擎—SeetafaceEngine，主要實現下面三個功能：

SeetaFace Detection

SeetaFace Alignment

SeetaFace Identification

deepfakes_faceswap

github：https://github.com/joshua-wu/deepfakes_faceswap

相比于前面幾個，deepfakes_faceswap的內容就要相對簡單很多，它在訓練一個CNN網絡做2D的換臉，不同于faceswap，訓練出來的網絡只能針對于當前的兩個圖片，而且依賴大量數據。有意思的是，最近傳的很火的神奇女俠—蓋爾加朵的視頻，就是這個代碼做出來的，很邪惡。

3dmm_cnn

github：https://github.com/anhttran/3dmm_cnn

一個很優秀的工作，利用ResNet101從單圖建模出3維人臉圖像，得到不錯的效果。一種基于深度學習算法的人臉3維重建方法。

vrn

github：https://github.com/AaronJackson/vrn

用CNN Regression的方法解決大姿態下的三維人臉重建問題。

ICCV論文：《Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric CNN Regression》

4dface

github：https://github.com/patrikhuber/4dface

很優秀的C++工程，主要實現了以下功能，人臉檢測和在2d視頻中重建3維人臉。Real-time 3D face tracking and reconstruction from 2D video。

face-alignment

github：https://github.com/1adrianb/face-alignment

2D-and-3D-face-alignment

github: https://github.com/1adrianb/2D-and-3D-face-alignment

兩個github項目，在做同一件事，2d和3d的人臉對齊問題，區別在于前者是Pytorch 的代碼，后者是Torch7的。

論文有個很霸道的名字：《How far are we from solving the 2D & 3D Face Alignment problem? (and a dataset of 230,000 3D facial landmarks) 》ICCV2017

DRML

github：https://github.com/zkl20061823/DRML

北郵的論文：《Deep Region and Multi-label Learning for Facial Action UnitDetection》 CVPR 2016；

作者定義了自己的新的層結構做區域學習多標簽檢測，來提升AU檢測的效果。文章對12類AU的檢測進行了訓練和測試，分別是AU1,AU12,AU15,AU17,AU2，AU20,AU25,AU26,AU4,AU5,AU6,AU9。

總結

以上是生活随笔為你收集整理的python 换脸 github_人脸识别和换脸相关深度学习开源项目github汇总的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。