← Назад к руководствам
InsightFace 1.0GUIРаспознавание лицОценка моделейFace Swap

Руководство InsightFace 1.0: локальное распознавание лиц, desktop GUI и enterprise-оценка

Установите более легкий пакет InsightFace 1.0, запустите кроссплатформенный Evaluation Studio и проверьте локальное распознавание, организацию альбомов, оценку identity-folder datasets, face swap, лицензирование моделей и границы приватности.

•11 мин чтения
Обзор InsightFace Evaluation Studio с экранами Face Recognition, Album Management, Enterprise Evaluation, Face Swap, Models и License
InsightFace Evaluation Studio в пакете InsightFace 1.0.

Что вы настроите

InsightFace 1.0 сохраняет привычный Python API FaceAnalysis и делает base package легче. Опциональное расширение face3d Cython/C++ больше не собирается по умолчанию, поэтому большинству пользователей не нужна локальная compiler toolchain для установки core package.

Релиз также добавляет InsightFace Evaluation Studio — кроссплатформенную desktop GUI на PySide6, доступную через package extra. Разработчики, исследователи и enterprise evaluators получают локальный workspace для face recognition, album clustering, dataset evaluation и face swap trials.

Версия 1.0 также удаляет часть ненужных зависимостей.

Перед началом

  • Python 3.9+ и virtual environment. Используйте GUI extra только на машинах, где допустимы desktop dependencies.
  • Локальный model cache или разрешение скачать model packs в InsightFace model directory.
  • Репрезентативные изображения или identity-folder datasets для workflow, который вы хотите проверить.
  • Понятные правила consent, retention и deployment authorization до обработки biometric data или экспериментов face swap.

1. Что изменилось в InsightFace 1.0

Базовый Python package теперь проще установить, потому что опциональное расширение face3d не компилируется по умолчанию. Это не означает, что весь C++ code удален из repository; это означает, что пользователи, которым нужны detection, alignment и recognition, не несут compiler cost при стандартной установке.

Новая GUI demo поставляется как optional extra, а не как отдельный desktop installer. Установите insightface[gui], если нужен desktop experience, и запускайте приложение из command line на macOS, Windows или Linux.

  • Face Recognition mode: одна query image плюс одна или несколько gallery images для 1:1 verification или локального 1:N search.
  • Album Management mode: импорт local folders, извлечение features, clustering лиц через DBSCAN и проверка групп людей.
  • Enterprise Evaluation mode: локальная 1:1 и 1:N identity-folder evaluation с validation, metrics и report output.
  • Face Swap mode: workflow source plus target для image/video trials при настроенной совместимой swap model.
  • Models, License и Settings dialogs: управление runtime provider, model roots, manual downloads, authorization status, theme и language.

2. Установить более легкий Python package

Для Python services, notebooks и command-line experiments начинайте с base package. Он сохраняет FaceAnalysis API и стандартное поведение моделей, но не устанавливает полный desktop stack.

Минимальный smoke test создает FaceAnalysis app, подготавливает ее на CPU, загружает default buffalo_l model, если она уже есть в InsightFace cache, и возвращает face boxes, landmarks и 512-dimensional recognition embeddings. По умолчанию используется SCRFD detection, а default detection size — Auto: 128x128 plus 640x640.

Установить base package
pip install insightface
Минимальный FaceAnalysis smoke test
import insightface
from insightface.app import FaceAnalysis
from insightface.data import get_image

app = FaceAnalysis(providers=["CPUExecutionProvider"])
app.prepare(ctx_id=-1)
faces = app.get(get_image("t1"))
print(len(faces), faces[0].embedding.shape)

3. Установить и запустить GUI demo

Устанавливайте GUI dependencies только если нужен desktop Evaluation Studio. GUI workspace по умолчанию находится в ~/.insightface/gui, где local settings, indexes, thumbnails, generated reports и saved results можно хранить отдельно от project code.

GUI должен открываться даже при отсутствии моделей. Через Models dialog можно обновить model URLs, вручную скачать model packs, выбрать ONNX Runtime providers или указать custom model directory.

  • GUI не скачивает модели автоматически.
  • Images, videos, embeddings, thumbnails и reports по умолчанию обрабатываются локально и не загружаются автоматически.
  • Скриншоты в этом руководстве сделаны на английском интерфейсе, но GUI app поддерживает несколько языков; язык интерфейса переключается в Settings.
  • Используйте virtual environment, чтобы PySide6 и GUI-only dependencies не влияли на server deployments.
Установить GUI extra
pip install "insightface[gui]"
insightface-gui
Эквивалентные команды запуска
insightface-eval-studio
insightface-desktop
python -m insightface.gui

4. Использовать Face Recognition mode

InsightFace Face Recognition mode с панелями загрузки Query и Gallery
Face Recognition mode поддерживает быстрый 1:1 comparison и локальный 1:N search.

Используйте Face Recognition mode, когда нужно быстро проверить identity matching без кода. Загрузите одну query image, затем добавьте одну gallery image для 1:1 comparison или несколько gallery images и folders для локального 1:N search.

Gallery embeddings кэшируются в памяти до изменения gallery. Если в изображении несколько лиц, выберите multi-face handling policy для теста; практичный default — largest centered face. Recognition threshold должен оставаться видимым и настраиваемым, потому что production thresholds нужно выбирать на собственных validation data.

5. Организовать локальные фото через Album Management

InsightFace Album Management mode для локального clustering папок с фотографиями
Album Management кластеризует лица из выбранных локальных folders.

Album Management задуман как локальный smart photo organizer. Добавьте один или несколько local album directories, затем выполните Import / Refresh для повторного сканирования folders и извлечения features для новых изображений. Rebuild All очищает indexed features и заново пересчитывает clusters.

Clustering workflow использует DBSCAN с cosine similarity threshold. Face thumbnails и photo thumbnails сохраняются локально в SQLite как compressed WebP blobs; выбор cluster показывает original photos для этой группы человека.

6. Локально оценить enterprise datasets

InsightFace Enterprise Evaluation mode для оценки моделей 1:1 и 1:N
Enterprise Evaluation mode помогает выполнить local validation перед deployment decisions.

Enterprise Evaluation mode помогает командам проверить InsightFace на собственных данных перед deployment или procurement decisions. Он поддерживает 1:1 и 1:N evaluation из identity folders, а Auto Split может строить gallery/probe splits из каждого identity folder, если dataset заранее не разделен.

Перед расчетом metrics используйте dataset validation, чтобы найти layout problems и critical face validity issues. Reports должны включать model/runtime, dataset summary, thresholds, best-threshold accuracy, Top-1, TAR@FAR при достаточном sample count, errors, latency, license status, responsible-use notes и recommended next steps.

  • Используйте явные gallery, probe и unknown folders, когда нужна контролируемая open-set 1:N evaluation.
  • Используйте Auto Split для ранней exploration, затем зафиксируйте dedicated test split перед сравнением моделей.
  • Reports генерируются локально и не загружаются автоматически.
1:N dataset с явными gallery и probe folders
dataset_1n/
  gallery/
    0001__Alice/
      enroll_001.jpg
      enroll_002.jpg
    0002__Bob/
      enroll_001.jpg
  probe/
    0001__Alice/
      test_001.jpg
    0002__Bob/
      test_001.jpg
  unknown/
    unknown_001.jpg
Identity folders для Auto Split
dataset/
  identities/
    0001__Alice/
      img001.jpg
      img002.jpg
      img003.jpg
    0002__Bob/
      img001.jpg
      img002.jpg

7. Осторожно пробовать Face Swap mode

InsightFace Face Swap mode с панелями Source, Target и Result
Face Swap mode запускает source-and-target workflow при настроенной совместимой модели.

Face Swap mode — это локальный workflow source plus target. Target может быть изображением или видео, настроенная swap model загружается только при выполнении swap, а результаты сохраняются в local workspace.

Опциональный GFPGAN post-processing можно включить после загрузки third-party model. Face swap trials следует считать отдельной authorization path: до использования source identities или публикации generated output нужны соответствующие права, consent и model permission.

8. Настроить models, settings, license и privacy

InsightFace Model Manager dialog для runtime и загрузки моделей
Models dialog управляет runtime provider, model roots, downloads и optional swap assets.
InsightFace License Center dialog со сводкой по использованию code и models
License Center разделяет code, model и commercial usage guidance.
InsightFace Settings dialog с настройками theme и language
Settings хранит desktop preferences в локальном GUI workspace.

В Models выбираются runtime model, provider, detection size, swap model, GFPGAN setting, download location и custom model root. Там же evaluators могут отделять commercial или private model artifacts от public model packs.

В License проверяется различие между code licenses и model licenses. Model files могут иметь права, отличные от package code, а commercial deployment требует правильной model authorization. InsightFace 1.0.1 удаляет PyPI package metadata license field, но README license guidance остается источником, который нужно прочитать.

Вся обработка по умолчанию локальная. Images, videos, embeddings и reports не загружаются автоматически. Users отвечают за consent, privacy, retention и compliance с применимыми biometric regulations; это practical product documentation, а не legal advice.

9. Следующие шаги для коммерческого внедрения

Свяжитесь с InsightFace, если нужны commercial model licensing, private model evaluation, SDK/API access, SLA commitments, on-prem delivery или custom training. Evaluation Studio полезен для раннего technical screening, но production authorization зависит от model, data, use case и deployment contract.

  • Используйте open-source packs для experiments, prototypes и разрешенных deployments в рамках license scope.
  • Используйте private evaluation, если нужно сравнить более сильные commercial recognition models на собственных identity-folder datasets.
  • Не считайте доступность GUI разрешением на commercial deployment модели; model authorization проверяется отдельно.

Нужна помощь с production-развертыванием?

Свяжитесь с InsightFace по вопросам лицензирования моделей, оптимизации runtime и поддержки целевого hardware.

Отправить корпоративный запрос