Recherche et Publications

RetinaFace

Localisation faciale dense en une seule étape en conditions réelles

RetinaFace combine une détection faciale précise et une localisation fiable de cinq points clés, formant un frontal pratique pour les pipelines centrés sur la reconnaissance et l'alignement.

Détails de l’article

RetinaFace: Single-stage Dense Face Localisation in the Wild

Publication

CVPR 2020

Auteurs

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

Ouvrir l’article

Vue d’ensemble de la recherche

RetinaFace se concentre sur la détection des visages difficiles dans des scènes réelles tout en renvoyant des landmarks qui améliorent la qualité de l'alignement. Cette combinaison est utile non seulement pour les benchmarks de détection, mais aussi pour les systèmes d'entreprise où la précision du reconnaisseur dépend d'un recadrage et d'une normalisation de pose cohérents.

Applications en production

Détection et alignement faciaux en amont de la reconnaissance
Analytique vidéo temps réel et caméras de contrôle d'accès
Ingestion d'images, recadrage et normalisation de portraits
Flux de capture mobile nécessitant une estimation stable des landmarks

Exemple de code

Exécuter la détection faciale et les landmarks avec buffalo_l

Utilisez buffalo_l pour détecter tous les visages dans une image et afficher chaque boîte englobante ainsi que les landmarks à cinq points pour l’alignement en aval.

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}")

Contributions clés

Prédit conjointement les boîtes de visages et cinq points clés via un détecteur en une seule étape, réduisant la complexité du pipeline.

La supervision dense et la conception sensible au contexte renforcent la robustesse sur les visages petits, occlus, flous et de profil.

Fournit des signaux d'alignement fiables pour les workflows de reconnaissance, d'évaluation de qualité et d'analytique vidéo.

Contact commercial

Parlons de vos besoins business

Contactez InsightFace pour les licences de modèles, le support de déploiement en entreprise, le développement IA sur mesure ou les partenariats stratégiques.

Nous n'acceptons que les demandes provenant d'adresses e-mail professionnelles.

Contacter par Email Explorer sur GitHub