timesler/facenet-pytorch

Implement alternative detection algorithms

Open

#74 ouverte le 16 avr. 2020

Voir sur GitHub
 (0 commentaires) (2 réactions) (0 assignés)Python (830 forks)batch import
help wanted

Métriques du dépôt

Stars
 (3 830 stars)
Métriques de merge PR
 (Aucune PR mergée en 30 j)

Description

As highlighted in #10, the current MTCNN design is appropriate for the project while a single detection method is implemented, but with multiple, it makes more sense to separate the return of bounding boxes and confidences from the cropping of images.

Should also think about returning facial landmarks to implement face alignment following detection.

Retinaface is probably the best option to start with.

Guide contributeur

Direction de recherche
Commencez par examiner l'implémentation actuelle de MTCNN dans le dépôt, en vous concentrant sur la manière dont les boîtes englobantes et les confiances sont renvoyées (voir l'issue #10). Ensuite, recherchez Retinaface et ses implémentations PyTorch existantes. Envisagez de refactoriser le pipeline de détection pour séparer la sortie des boîtes englobantes/confiances du recadrage d'image, et éventuellement d'ajouter la prédiction de points de repère pour l'alignement facial.
Stack technique
pythonpytorch
Domaine
ai
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
3-5 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Récente
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Plutôt claire
Prérequis
PythonPyTorch
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
30