Finanfa Face Recognition v1
компактная ONNX-модель для распознавания лиц
2 min readupdated
Модель от компании Finanfa Tech превращает фотографию лица в уникальный числовой вектор (эмбеддинг) длиной 512 значений, по которому можно сравнивать людей между собой. В основе лежит проверенная архитектура ResNet-50 с функцией потерь ArcFace, упакованная в формат ONNX (универсальный стандарт для быстрого запуска нейросетей на разных устройствах, включая CPU). Алгоритм устойчив к умеренным поворотам головы, перепадам освещения и возрастным изменениям. Решение подойдёт разработчикам систем контроля доступа, сервисов верификации пользователей и приложений для поиска дубликатов в фотоархивах.
Ключевые особенности
- Компактный размер: файл весит около 166 МБ и легко запускается даже на процессоре через ONNX Runtime.
- Точное представление: на выходе формируется L2-нормализованный вектор из 512 чисел с плавающей точкой (FP32).
- Готовая экосистема: автор предлагает использовать её в связке с моделью
finanfa-tech/finanfa-face-detector-v1для предварительного поиска и выравнивания лиц. - Открытая лицензия: распространяется под Apache 2.0, что разрешает коммерческое использование.
Что можно сделать
- Верификация личности (1:1): встроить проверку селфи при входе в банковское или корпоративное приложение, сравнивая косинусное сходство векторов (рекомендуемый порог — выше 0.45).
- Поиск по базе (1:N): организовать быструю идентификацию сотрудников на проходной или поиск конкретного человека среди тысяч фотографий.
- Сортировка фотоархивов: автоматически группировать снимки одних и тех же людей в локальных галереях без отправки данных в облако.
Пример
import cv2, numpy as np, onnxruntime as ort
from huggingface_hub import hf_hub_download
model_path = hf_hub_download("finanfa-tech/finanfa-face-recognition-v1", "model.onnx")
session = ort.InferenceSession(model_path, providers=['CPUExecutionProvider'])
blob = (cv2.resize(aligned_face_img, (112, 112)).astype(np.float32) - 127.5) / 128.0
emb = session.run(None, {session.get_inputs()[0].name: np.expand_dims(np.transpose(blob, (2, 0, 1)), 0)})[0][0]
emb = emb / np.linalg.norm(emb)Подробнее
Архитектура: ResNet-50 / ArcFace, формат ONNX (FP32), размер файла ~166 МБ.Входные данные: выровненное RGB-изображение лица размером 112×112 пикселей.
Метрика сравнения: косинусное сходство или евклидово расстояние (порог подтверждения > 0.45).
Требования к железу: работает на CPU через ONNX Runtime; для максимальной точности требуется предварительное выравнивание лица детектором.










Comments