编译器不识别stm指令_请给我一份人脸识别算法SeetaFace2的通关攻略@中科视拓官方...

安排！

自中科视拓SeetaFace2开源以来，配套组建的开发者社群每天都热火朝天，各种提问、讨论层出不穷。为了帮助大家更好地使用，9月17日，中科视拓研发部产品总监兼研发总监李凯周在雷锋网《AI研习社-职播间》开课直播，分享SeetaFace2人脸识别算法源码的结构和设计，详解应用实战，吸引了近400位开发者观看直播，踊跃提问。

针对大家遇到的一些共性问题，中科视拓攻城狮小哥哥特别整理了SeetaFace2 FAQ，希望能帮助到大家。

SeetaFace2 FAQ

1. SeetaFace2是否有使用限制？
SeetaFace2按照BSD开源协议发布。源码不依赖于第三方库，不会有任何功能性限制。

2. SeetaFace2 是否开源模型训练？如何将自己的模型采用SeetaFace2框架部署？

没有开源训练源码。没有开放模型第三方模型部署。

3. 开源的5点和81点分别是哪些点？

5点分别为：左眼中心、右眼中心、鼻尖、左嘴角和右嘴角。

81点分布如下图：

4. 开源的算法分别是什么，如何进行学习？

人脸检测算法：Cascade CNN，参考文献A Convolutional Neural Network Cascade for Face Detection

特征点定位算法：FEC-CNN，参考文献Robust FEC-CNN: A High Accuracy Facial Landmark Detection System

人脸特征提取：ResNet，Deep Residual Learning for Image Recognition

人脸特征对比：向量余弦相似度计算

5. SeetaFace2支持的平台/操作系统/编译器版本？

SeetaFace2支持系统Windows(7以上)、Ubuntu(16.04以上)、CentOS(7以上)和Android（4.4以上）、IOS（9以上）、MacOS（10以上）。支持平台x86/x86_64/amd64/arm-v7a/arm-v8。支持MSVC2013、GCC5.4以上，C++11支持。注意：部分C++11部分支持的编译器可以直接支持、或调整部分代码支持；但可能引起编译器bug。已知GCC4.8有编译器bug。

x86/x86_64/amd64架构需要SEE2指令集支持（比选），FMA指令集支持（可选）。

arm-v7a/arm-v8架构需要NEON指令集支持。

已开发源码不支持除上述外架构。其他支持需要修改源码。

6. 源代码不依赖第三方库，但是为什么还需要OpenCV？

OpenCV只是为了编译测试用，进行图像的编解码，核心算法计算不需要依赖OpenCV。如果确实无法移植OpenCV，则设置cmake选项-DBUILD_EXAMPLE=OFF。编译核心库SeetaNet、FaceDetector、FaceLandmarker、FaceRecognizer成功后，采用普通加载第三方库的方式加入到应用项目中使用即可。

7. 编译没有问题，运行时出现“illegal instruction”的错误提示。

初始发布版本默认会使用FMA加速。当前版本代码已经修复，默认不会打开FMA加速。如果需要打开则cmake编译时加入-DSEETA_USE_FMA=ON。更多关于指令集的依赖，请参考问题5。

8. Windows配置OpenCV总是失败，如何解决？

a. 参考问题6。

b. 参考cnweizhi同学的分享：

SeetaFace2开源项目在windows Vs2017编译经验分享​blog.csdn.net

9. Android 如何进行部署，已经编译了对应的so库？

接口提供的是C++接口，需要封装成JNI，提供java调用。

可以参考xiaoxiaoazhang同学的分享：

xiaoxiaoazhang/SeetaFace2AndroidDemo​github.com

10. 如何进行人脸底库管理/底库持久化？只看到了Register的示例。

人脸底库管理其实就是人脸特征管理。人脸特征提取提供了两组接口。

1）在seeta/FaceRecognizer.h中提供了Extract和CalculateSimilarity接口，分别进行特征提取和相似度对比。提取到的特征是1024维单精度浮点数数组，可以按照需求随意存储。

2）在seeta/FaceDatabase.h中提供了简易的内存底库管理，在1接口的基础上，在内存中管理注册的人脸。提供了Register、Detect、Clear、Save、Load接口，分别进行注册、删除、清空、保存、加载人脸库的操作。

11. 提示“Can not access: “xxx””，无法访问文件的提示和异常。

该提示含义是找不到模型文件，参考README.md的操作说明，将下载好的模型文件放到可执行程序运行时可以访问到的路径即可。

12. SeetaImageData的data成员是什么含义？

data成员指向一块连续存储的uint8_t(unsigned char)类型的数组，表示了HWC格式存储的BGR通道顺序的彩色图片（如果灰度图像channels为1）。

（感谢cnweizhi、xiaoxiaoazhang同学的分享。）

错过直播怎么办？回看方式：

1、点击链接直达直播间。

人脸识别应用实战：SeetaFace2-AI慕课学院​www.mooc.ai

2、扫码直达

开发者评价：

专业从事人脸识别工作的Mirror：

优点是有专门的社区讨论，人脸检测和关键点定位模型比较小，比较方便部署，速度也很快。

来自在线教育行业的白杨：

工程方面：代码质量高，接口比较友好

算法方面：关键点定位和人脸特征提取还不错

开源方面：建议开源训练代码，做人脸识别开源方向的一面旗帜。

从事计算机视觉研究的匿名开发者：

精度挺不错的。

来自金融行业的rere：

1. 体验不错，主要关注特征提取。使用的5点定位，识别率不错。

2. 对国人的识别率不错，前期使用的是dlib。

医疗健康领域的开发者：

精度挺高的，建议以后增加活体检测。

AI+保险行业的高粱怡：

SeetaFace2人脸检测模块检测速度很快，检测准确率也比较高。

—END—

SeetaFace2现已通过GitHub开源。（地址：

https://github.com/seetafaceengine/SeetaFace2）

欢迎开发者加入SeetaFace开发者社区，请先加SeetaFace小助手微信，通过审核后将邀请您入群。