yakhyo/face-parsing

解决的问题

该项目提供了一种精确的方法来执行“人脸解析”，即自动识别和分割图像中的特定面部特征（如眼睛、鼻子、嘴巴和皮肤）的过程。这项技术对于数字化妆、增强现实（AR）滤镜、人脸识别和情绪检测等应用至关重要。

工作原理

它使用“双边分割网络”（BiSeNet）架构。该模型以人脸图像为输入，生成一个详细的掩码，将每个像素映射到特定的面部组件。您可以根据速度或精度的需求，选择ResNet18或ResNet34两种骨干架构。该仓库包含训练自定义模型、对图像进行推理以及将模型导出为ONNX格式以在其他软件环境中使用的工具。

适用人群

该工具面向从事计算机视觉项目的开发者和研究人员，他们需要一个可靠、预训练或可定制的面部特征提取模型。对于构建AR应用或自动化图像编辑工具的人来说尤其有用。

亮点

• 高精度分割面部关键点和组件。
• 支持ResNet18和ResNet34骨干架构。
• 包含训练、推理和ONNX模型转换的完整流程。
• 提供预训练权重，可立即使用。
• 可靠性经过验证，被facefusion等主要开源项目使用。