Face Embedder - 人脸特征提取模型
模型简介
这是一个用于人脸特征提取的深度学习模型，基于 ResNet-Lite 架构设计。
特性
- 轻量级架构: 3层卷积 + 2层全连接，适合 CPU/GPU 推理
- 512维特征向量: 输出归一化的特征向量，用于人脸比对
- 多格式支持: ONNX、GGUF 格式
- 特征数据库: 包含 32987 个已提取的人脸特征
模型格式
| 格式 | 文件 | 说明 |
|---|---|---|
| GGUF | face_embedder.gguf | GGUF 格式模型文件 |
| GGUF | face_database.gguf | GGUF 格式特征数据库 |
| ONNX | face_embedder.onnx | ONNX 格式模型文件 |
| NPZ | face_database.npz | NumPy 格式特征数据库 |
使用方法
GGUF 格式
fromgguf_loaderimportGGUFLoader# 加载模型loader=GGUFLoader("face_embedder.gguf")loader.load()# 加载特征数据库db_loader=GGUFLoader("face_database.gguf")db_loader.load()features=db_loader.get_features()# 搜索相似人脸similarities=np.dot(features,query_feature)ONNX 格式
importonnxruntimeasortimportcv2importnumpyasnp# 加载模型session=ort.InferenceSession("face_embedder.onnx")# 预处理image=cv2.imread("face.jpg")gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)gray=cv2.resize(gray,(112,112))/255.0input_tensor=gray[np.newaxis,np.newaxis,:,:].astype(np.float32)# 推理feature=session.run(None,{"input":input_tensor})[0]模型架构
输入: (batch, 1, 112, 112) 灰度图像 ↓ Conv1 (1→32) + BN + ReLU + MaxPool ↓ Conv2 (32→64) + BN + ReLU + MaxPool ↓ Conv3 (64→128) + BN + ReLU + MaxPool ↓ AdaptiveAvgPool (14×14) ↓ FC1 (25088→512) + ReLU + Dropout ↓ FC2 (512→512) + L2 Normalization ↓ 输出: (batch, 512) 特征向量技术规格
- 输入尺寸: 112 x 112 灰度图像
- 特征维度: 512
- 参数数量: ~2.5M
- 模型大小: ~50MB (ONNX) / ~115MB (GGUF)
- 推理速度: ~50ms (CPU) / ~5ms (GPU)
应用场景
- 人脸识别系统
- 人脸搜索/检索
- 身份验证
- 人脸聚类分析
许可证
MIT License
作者
Matrix Inference Pool Project
更新日志
v1.0.0 (2026-07-09)
- 初始版本发布
- 支持 ONNX 和 GGUF 格式
- 包含 32987 个预提取特征
