Skip to content

Проект «Система распознавания лиц» направлен на разработку программного обеспечения, которое позволяет автоматически идентифицировать или верифицировать личность человека по его лицу.

Notifications You must be signed in to change notification settings

YRL-AIDA/face_recognition

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

6 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Настройка окружений для QMagFace и Qdrant Server

  1. Открываем QMagFace в PyCharm
  • Откройте проект QMagFace в PyCharm.

  • Убедитесь, что в корне проекта находится файл environment.yml.

  • Создайте окружение Conda с помощью команды:

    conda env create -f environment.yml
    

    Это установит все зависимости, указанные в environment.yml, и создаст окружение с нужной конфигурацией.

  1. Скачивание и размещение данных для QMagFace
  • Скачайте заранее подготовленные эмбеддинги MagFace и файлы пар по этой ссылке и распакуйте их в корневую директорию проекта QMagFace.

  • Скачайте модель MagFace100 по этой ссылке и поместите её в директорию _models/magface_models/.

    Структура каталогов должна выглядеть примерно так:

    QMagFace
        _data
            ijb
            pairs
            single_images
        _models
            magface_models
                magface_epoch_00025.pth
            mtcnn-model
        datasets
        ...
    

  1. Открываем qdrant_server
  • Откройте проект qdrant_server в PyCharm.

  • Убедитесь, что активировано нужное Python-окружение.

  • Установите необходимые зависимости:

    pip install qdrant_client flask flask-cors
    

    Эти библиотеки необходимы для запуска сервера и взаимодействия с Qdrant API.


About

Проект «Система распознавания лиц» направлен на разработку программного обеспечения, которое позволяет автоматически идентифицировать или верифицировать личность человека по его лицу.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Python 91.4%
  • HTML 4.2%
  • JavaScript 3.9%
  • CSS 0.5%