← Zur Forschung

Forschung & Publikationen

RetinaFace

Einstufige dichte Gesichtslokalisierung im natürlichen Umfeld

RetinaFace kombiniert genaue Gesichtsdetektion mit zuverlässiger Fünf-Punkt-Landmark-Lokalisierung und bildet so ein praxistaugliches Frontend für erkennungs- und alignment-lastige Pipelines.

Paper-Details

RetinaFace: Single-stage Dense Face Localisation in the Wild

Veröffentlichung

CVPR 2020

Autor:innen

Jiankang Deng, Jia Guo, Yuxiang Zhou, Jinke Yu, Irene Kotsia, Stefanos Zafeiriou

Paper öffnen

Forschungsüberblick

RetinaFace fokussiert sich auf die Erkennung anspruchsvoller Gesichter in realen Szenen und liefert gleichzeitig Landmarks, die die Alignment-Qualität verbessern. Diese Kombination macht es nicht nur für Detektions-Benchmarks nützlich, sondern auch für Enterprise-Systeme, in denen die Erkennungsgenauigkeit von konsistentem Cropping und Pose-Normalisierung abhängt.

Produktive Einsatzszenarien

  • Gesichtsdetektion und -alignment vor der Erkennung
  • Echtzeit-Videoanalyse und Zugangskontrollkameras
  • Bilderfassung, Cropping und Porträtnormalisierung
  • Mobile Aufnahmestrecken mit stabiler Landmark-Schätzung

Codebeispiel

Gesichtserkennung und Landmarken mit buffalo_l ausführen

Verwenden Sie buffalo_l, um alle Gesichter in einem Bild zu erkennen und für das nachgelagerte Alignment jede Bounding Box sowie die Fünf-Punkt-Landmarken auszugeben.

demo.py
1import cv2
2from insightface.app import FaceAnalysis
3
4app = FaceAnalysis(name="buffalo_l")
5app.prepare(ctx_id=0, det_size=(640, 640))
6
7img = cv2.imread("group_photo.jpg")
8if img is None:
9    raise FileNotFoundError("input image not found")
10
11faces = app.get(img)
12
13for index, face in enumerate(faces):
14    bbox = face.bbox.astype(int).tolist()
15    kps = face.kps.astype(int).tolist()
16    print(f"face {index}: bbox={bbox}")
17    print(f"face {index}: keypoints={kps}")

Kernbeiträge

Sagt Gesichtsboxen und fünf Landmarks gemeinsam in einem einstufigen Detektor voraus und reduziert so die Pipeline-Komplexität.

Dichte Supervision und kontextbewusster Aufbau verbessern die Robustheit bei kleinen, verdeckten, unscharfen und seitlichen Gesichtern.

Liefert verlässliche Alignment-Signale für Erkennungs-, Qualitätsbewertungs- und Videoanalyse-Workflows.

Geschäftlicher Kontakt

Sprechen wir über Ihre geschäftlichen Anforderungen

Kontaktieren Sie InsightFace für Modelllizenzierung, Unterstützung bei Enterprise-Deployments, kundenspezifische KI-Entwicklung oder strategische Partnerschaften.

Wir akzeptieren ausschließlich Anfragen von geschäftlichen E-Mail-Adressen.

Per E-Mail kontaktierenAuf GitHub erkunden