Face Embedder - 人脸特征提取模型模型简介这是一个用于人脸特征提取的深度学习模型基于 ResNet-Lite 架构设计。特性轻量级架构: 3层卷积 2层全连接适合 CPU/GPU 推理512维特征向量: 输出归一化的特征向量用于人脸比对多格式支持: ONNX、GGUF 格式特征数据库: 包含 32987 个已提取的人脸特征模型格式格式文件说明GGUFface_embedder.ggufGGUF 格式模型文件GGUFface_database.ggufGGUF 格式特征数据库ONNXface_embedder.onnxONNX 格式模型文件NPZface_database.npzNumPy 格式特征数据库使用方法GGUF 格式fromgguf_loaderimportGGUFLoader# 加载模型loaderGGUFLoader(face_embedder.gguf)loader.load()# 加载特征数据库db_loaderGGUFLoader(face_database.gguf)db_loader.load()featuresdb_loader.get_features()# 搜索相似人脸similaritiesnp.dot(features,query_feature)ONNX 格式importonnxruntimeasortimportcv2importnumpyasnp# 加载模型sessionort.InferenceSession(face_embedder.onnx)# 预处理imagecv2.imread(face.jpg)graycv2.cvtColor(image,cv2.COLOR_BGR2GRAY)graycv2.resize(gray,(112,112))/255.0input_tensorgray[np.newaxis,np.newaxis,:,:].astype(np.float32)# 推理featuresession.run(None,{input:input_tensor})[0]模型架构输入: (batch, 1, 112, 112) 灰度图像 ↓ Conv1 (1→32) BN ReLU MaxPool ↓ Conv2 (32→64) BN ReLU MaxPool ↓ Conv3 (64→128) BN ReLU MaxPool ↓ AdaptiveAvgPool (14×14) ↓ FC1 (25088→512) ReLU Dropout ↓ FC2 (512→512) L2 Normalization ↓ 输出: (batch, 512) 特征向量技术规格输入尺寸: 112 x 112 灰度图像特征维度: 512参数数量: ~2.5M模型大小: ~50MB (ONNX) / ~115MB (GGUF)推理速度: ~50ms (CPU) / ~5ms (GPU)应用场景人脸识别系统人脸搜索/检索身份验证人脸聚类分析许可证MIT License作者Matrix Inference Pool Project更新日志v1.0.0 (2026-07-09)初始版本发布支持 ONNX 和 GGUF 格式包含 32987 个预提取特征