数据集人物挑选器

lhs

星级打分

• 1
• 2
• 3
• 4
• 5

平均分:NAN  参与人数:0  我的评分:未评

基于InsightFace的指定人物挑选
将不同的人物移动到不同的目录中
针对已经切脸的aligned图片
其他图片理论上也支持但是没有测试过。也许需要稍做修改
测试了100万张1024*1024图片准确率感觉非常不错。远强于历史发布的一些版本，脱离手动挑选。
当然也没有测试过其他分辨率的图片，因为我没有
如果你能成功运行gpu版，这对于数据集的收集将会节省很多时间与精力。
已经打包本机配置CUDA，cudnn和相关python依赖。但是使用了onnxruntime-gpu和insightface


这可能会因为你的电脑显卡，Python环境产生与预期不符的效果，导致无法运行gpu版本。
没有在其他电脑上运行过不确定你会发生什么事
能力有限，也没有多余的电脑测试所以用不了你可以牺牲速度使用CPU，（当然这是程序自动选择的）
本机配置：CUDA：11.x     cudnn：8.x     python：3.10    onnxruntime-gpu：1.18.0    显卡：2080TI
夸克：
链接：https://pan.quark.cn/s/7ba5f324f73f提取码：4zLk
百度：
链接: https://pan.baidu.com/s/1j2pABh7XrJR4tssjWN3B-Q?pwd=vdf5 提取码: vdf5
其中包含源代码，如果你觉得过多的整合包占用磁盘可以参考源代码。
同时也希望有志之士完善到dfl中
使用方法：
解压之后目录下会有一个：人脸识别分类系统.exe     运行即可。


目录下存在测试集data先使用测试集判断运行情况，避免瞎折腾：


UI界面输入示范：

如果一切顺利那么指定的人物将会被移动到：


其中注册人物（你想挑选的人物样本）可以提供多个人物，分别放在其子目录下。
但是同一个人物没有必要提供过多的样本，这会影响代码运行速度
没有具体测试过10张就很好了。

代码是使用AI 跑的，太懒了不想维护，不想回答问题，燃尽了
因为我的电脑上能运行，如果你的电脑配置与我一样那你应该非常顺利。

对于开发者：
项目对于兼容性要求非常高，测试过很多版本onnxruntime-gpu并不适用
并且存在一个玄学问题。似乎在不能使用gpu时，使用onnxruntime-gpu速度依然比onnxruntime快
同时CUDA和cudnn安装之后依然有可能会提示缺少相关文件，以至于短时间无法确定是版本兼容性问题还是缺少CUDA
对此 你可以查看错误提示 缺少什么文件到dfl官方的CUDA，cudnn目录下找到该文件复制到你的电脑对应目录。
在快速切脸目录下也有相关的CUDA，cudnn文件
核心流程概述：
1人脸检测 → 2. 特征提取 → 3. 相似度计算 → 4. 阈值判断
第一步：人脸检测


# 在 face_classifier_core.py 中
faces = self.app.get(img)  # 检测图片中的所有人脸
第二步：特征提取
embedding = largest_face.embedding  # 获取人脸的512维特征向量
第三步：相似度计算（余弦相似度计算）

similarity = np.dot(embedding, target_embedding) / (
    np.linalg.norm(embedding) * np.linalg.norm(target_embedding)
)

数学公式 ：
相似度 = (向量A · 向量B) / (||向量A|| × ||向量B||)

fghfdg

大佬，和快切里面的筛选功能一样啊。这属于重复造轮子了吧

wtxx8888

fghfdg 发表于 2025-10-26 19:23
大佬，和快切里面的筛选功能一样啊。这属于重复造轮子了吧

人家 可能不用快切，我就不用 快切。

lhs

fghfdg 发表于 2025-10-26 19:23
大佬，和快切里面的筛选功能一样啊。这属于重复造轮子了吧

不一样，他的代码没看过，但是实际使用好像不准确。
什么大角度侧面限制都没有
对于一集dst你运气好可以省略手动挑选环节

DFLive

没有什么错误提示，直接闪退了。

lhs

DFLive 发表于 2025-10-27 04:50
没有什么错误提示，直接闪退了。

这我是真不懂，20系显卡吗，

DFLive

lhs 发表于 2025-10-27 08:40
这我是真不懂，20系显卡吗，

30系