← 返回首页

解决方案

人脸识别 模型授权

InsightFace 开源模型包（buffalo_l、antelopev2、buffalo_s、buffalo_m 等）及高精度闭源模型的商业授权。从学术研究到全面商业部署。

开始使用联系我们

核心特性

人脸识别 模型授权

开源模型商业授权

获取 InsightFace 开源项目中模型包的商业使用权，包括 buffalo_l、antelopev2、buffalo_s、buffalo_m 等。代码以 MIT License 授权；模型需单独获取商业授权。

闭源高精度模型

获取精度高于开源版本的闭源模型，专为对人脸识别性能要求极高的生产环境优化。

NIST FRVT 顶尖表现

我们的模型在 NIST 人脸识别供应商测试（FRVT）中持续位居前列，FRVT 是全球人脸识别评估的黄金标准。

灵活的授权条款

根据您的部署规模和使用场景量身定制授权方案——从单产品授权到企业级全面部署权限，并提供专属支持。

代码示例

使用 buffalo_l 比较两张人脸图片的向量特征

使用 buffalo_l 提取两张人脸图片的归一化特征向量，并计算余弦相似度，适用于人脸核验与匹配流程。

demo.py
1import cv2
2import numpy as np
3from insightface.app import FaceAnalysis
4
5app = FaceAnalysis(name="buffalo_l")
6app.prepare(ctx_id=0, det_size=(640, 640))
7
8img1 = cv2.imread("person_a.jpg")
9img2 = cv2.imread("person_b.jpg")
10if img1 is None or img2 is None:
11    raise FileNotFoundError("input image not found")
12
13faces1 = app.get(img1)
14faces2 = app.get(img2)
15if not faces1 or not faces2:
16    raise RuntimeError("face detection failed")
17
18feat1 = faces1[0].normed_embedding
19feat2 = faces2[0].normed_embedding
20similarity = float(np.dot(feat1, feat2))
21
22print("face 1 feature:", feat1[:5])
23print("face 2 feature:", feat2[:5])
24print("cosine similarity:", similarity)
私有模型测试计划

在您自己的数据上评估我们最高精度的私有模型

除开源模型包外，我们的闭源人脸识别模型在严苛的生产场景中可提供显著更高的精度。为便于您的采购决策，符合条件的企业客户可基于我们生产环境中实际部署的同一套私有模型，开展结构化的试点评估。

最多 2 周的 API 测试权限

在签署非约束性的合作意向协议（LOI）后，我们将为高精度私有人脸识别模型开通专属 API 凭证，提供最多两周的评估期。

生产级私有模型

您测试的就是在 NIST FRVT 中长期名列前茅的同一套闭源模型——并非功能受限的预览版本。

支持自带基准测试

在您的内部数据集上运行身份核验、KYC、1:N 检索或门禁等业务负载，并与现有供应商或开源基线直接对比。

包含工程支持

测试期间，我们的团队将协助 SDK 集成、阈值调优与结果解读，帮助您稳妥推进商业授权决策。

本测试以签署合作意向协议为前提，仅面向企业评估用途。请简要说明您的使用场景、预期请求量与目标部署环境，与我们联系以启动流程。

申请私有模型测试

应用场景

应用场景

身份验证与 KYC 流程
门禁控制与楼宇安防
移动端和边缘端人脸认证
大规模人脸搜索与检索

准备部署 全球领先的人脸 AI？

无论您需要人脸识别模型授权、人脸替换商业许可、InspireFace SDK，还是定制 AI 合作——欢迎联系我们开始合作。

通过邮件联系在 GitHub 上探索