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-v1 для 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.
ПодробнееАрхитектура: 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.
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# finanfa-tech/finanfa-face-recognition-v1 — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve finanfa-tech/finanfa-face-recognition-v1 --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии