人脸识别是目前深度学习领域应用最为广泛的领域之一，各大框架都有不错的开源项目，可以在短时间内实现刷榜。

首推Demystifying Face Recognition，由浅入深实验了很多方法

人脸识别算法演化史

谷歌人脸识别系统FaceNet解析

模型评估

人脸识别系列

从0开始，一起玩人脸识别

深度挖坑系列

如何走近深度学习人脸识别:https://github.com/Joker316701882/Additive-Margin-Softmax

caffe

https://github.com/wy1iu/sphereface:lfw 99.30% with A-softmax loss中文理解

https://github.com/happynear/NormFace:99.21%

https://github.com/ydwen/caffe-face:~99% centerloss，ECCV2016

https://github.com/AlfredXiangWu/face_verification_experiment98.80% with CASIA,Light-CNN

mxnet

https://github.com/deepinsight/insightface:lfw 99.83%

https://github.com/moli232777144/mobilefacenet-mxnet:轻量级版本99.5%

https://github.com/qidiso/mobilefacenet-V2:99.66%

tensorflow

https://github.com/davidsandberg/facenet:lfw 99.65%

多GPU版本:https://github.com/wangruichens/facenet_multigpu

https://github.com/auroua/InsightFace_TF：99.68%

https://github.com/xsr-ai/MobileFaceNet_TF

人脸对齐

https://github.com/CamlinZ/face_alignment一种人脸68特征点检测的深度学习方法

https://github.com/zeusees/HyperLandmark106点标注，含android端

https://github.com/tensor-yu/cascaded_mobilenet-v2:级联MobileNet-V2进行人脸关键点（5点）检测，单模型仅 956 KB，GTX1080上运行为6ms左右

https://github.com/goodluckcwl/Face-alignment-mobilenet-v2

Loss Function

人脸识别的LOSS

https://github.com/KaleidoZhouYN/Loss-Functions

https://github.com/KaleidoZhouYN/Sphereface-Ms-celeb-1M:讨论对齐的影响

商业实践

InsightFace - 使用篇, 如何一键刷分LFW 99.80%, MegaFace 98%

从理论到实践, 用insightface构建人证识别系统

人脸识别最新进展以及工业级大规模人脸识别实践探讨

如何进行上亿类的人脸识别

facenet 代码阅读笔记：如何训练基于triplet-loss的模型

https://github.com/seetaface/SeetaFaceEngine:山世光老师的开源库，不过有点过时了

A-Softmax的总结及与L-Softmax的对比——SphereFace

A Discriminative Feature Learning Approach for Deep Face Recognition 原理及在caffe实验复现

android

https://github.com/GRAYKEY/mobilefacenet_android

https://github.com/zhanglaplace/MobileFaceNetAmsoftmax实现

https://github.com/KaleidoZhouYN/mobilefacenet-caffe：

https://github.com/moli232777144/small_model_face_recognition:Light CNN for ncnn

https://github.com/mohanson/FaceDetectionServer：go服务器人脸识别服务

https://github.com/yanmeizhao/Sara/tree/master/sample_mobile_track_106:商汤106点人脸跟踪

数据集

CASIA-WebFace:

对齐后版本(112*112)

MS1M

对齐后版本(112*112)

VGGFace2

对齐后版本(112*112)

格灵深瞳数据集：All,Asia

IMDb-Face

--------------------- 本文来自 迷若烟雨 的CSDN 博客 ，全文地址请点击：https://blog.csdn.net/minstyrain/article/details/82292278?utm_source=copy