cnn-facial-landmark
cnn-facial-landmark 是一个基于深度卷积神经网络的人脸关键点检测开源项目。它主要解决如何精准定位人脸五官及轮廓特征点的问题，广泛应用于人脸对齐、表情分析及虚拟试妆等场景。
该项目非常适合希望入门深度学习人脸技术的开发者、学生及研究人员。其最大亮点在于提供了完整且易懂的“从零到一”解决方案：不仅包含基于 TensorFlow 和 Keras 构建的模型训练代码，还配套了详尽的教程，涵盖数据预处理、模型架构设计、训练策略到最终部署的全流程。用户可以直接使用预训练模型进行推理，也能利用自己的数据集轻松训练定制化模型。
在技术实现上，cnn-facial-landmark 支持将模型导出为标准的 SavedModel 格式用于云端或 PC 端应用，同时也为移动端轻量化部署预留了接口。对于追求更高精度的进阶用户，作者还指引了基于 HRNet 架构的升级版本。整体而言，这是一个代码结构清晰、文档友好且极具实践价值的学习与实践工具。
使用场景
某智能会议系统开发团队需要为线上视频会议软件添加“发言人专注度分析”功能，以实时检测参会者是否注视屏幕或分心。
没有 cnn-facial-landmark 时
- 算法精度不足：传统计算机视觉方法在侧脸、遮挡或光线变化剧烈时，无法稳定定位眼角和嘴角，导致注意力判断频繁误报。
- 定制成本高昂：现有闭源 SDK 不支持针对特定会议室场景的数据微调，团队无法利用内部采集的独家数据集优化模型表现。
- 部署流程割裂：从模型训练到导出 TensorFlow SavedModel 缺乏统一脚本，工程师需手动编写大量转换代码，耗时且容易出错。
- 学习门槛过高：缺乏系统的深度学习教程，初级开发人员难以理解从数据预处理到架构设计的完整链路，项目推进缓慢。
使用 cnn-facial-landmark 后
- 鲁棒性显著提升：基于深度卷积神经网络的模型能精准捕捉 68 个面部关键点，即使在复杂光照和部分遮挡下也能保持高稳定性。
- 支持自主训练：提供完整的训练代码和 TensorFlow Record 生成工具，团队可快速利用自有数据微调模型，完美适配特定业务场景。
- 一键导出部署：内置
--export_only参数可直接生成适用于云端服务的 SavedModel，大幅简化了从实验到生产环境的落地流程。 - 上手简单快捷：配套详细的中文教程涵盖了背景原理到实战部署的全流程，帮助团队成员迅速掌握核心技术并投入开发。
cnn-facial-landmark 通过提供端到端的训练与部署方案，让开发团队能以低成本构建出高精度、可定制的面部关键点检测服务。
运行环境要求
- 未说明
未说明
未说明
快速开始
cnn-facial-landmark
基于卷积神经网络的人脸关键点检测。
这里有一个展示检测结果的示例动图。
该模型使用 TensorFlow 构建，并提供了训练代码，以便您可以使用自己的数据集训练模型。配套教程也可在此处找到，内容包括背景知识、数据集、预处理、模型架构、训练和部署等。我尽力使这些内容简单易懂，适合初学者阅读。如果您遇到困难或有好的想法想要分享，欢迎随时提出问题。
快速开始
本指南将帮助您在本地机器上克隆并运行该项目，以进行开发和测试。
前提条件
安装
只需克隆此仓库即可开始使用。
# 从您喜欢的开发目录
git clone https://github.com/yinguobing/cnn-facial-landmark.git
训练与评估
以下命令展示了如何训练模型 10 个周期。
# 从仓库根目录
python3 landmark.py \
--train_record=train.record \
--val_record=validation.record \
--batch_size=32 \
--epochs=10
训练和测试文件需要存储为 TensorFlow Record 文件。您可以自行生成，也可以查看此仓库中的 features/tfrecord-marks-68 分支：face-mesh-generator。
git clone https://github.com/yinguobing/face-mesh-generator.git
git checkout features/tfrecord-marks-68
导出
用于 PC/云端应用
推荐使用 TensorFlow 的 SavedModel，这也是默认选项。使用 --export_only 参数保存模型。
# 从仓库根目录
python3 landmark.py --export_only=True
用于移动设备/嵌入式/IoT 设备
这些设备通常资源受限，TensorFlow Lite 是最适合的选择。然而，这超出了本项目的范围。不过不用担心，下一节将介绍一个更全面的项目。
接下来做什么？
完成上述所有步骤后，您可以继续探索一个更高级的仓库，它具备以下特性：
- 支持多个公开数据集：WFLW、IBUG 等。
- 先进的模型架构：HRNet v2。
- 数据增强：随机缩放/旋转/翻转。
- 模型优化：量化、剪枝。
观看演示视频：HRNet 人脸关键点检测（bilibili）
并构建更好的模型：https://github.com/yinguobing/facial-landmark-detection-hrnet
作者
尹国冰 - yinguobing
许可证
致谢
- TensorFlow 团队提供的详尽教程。
- iBUG 团队提供的公开数据集。
更改记录
更新 2021-03-09
添加了预处理层，并提供了新的模型权重。
更新 2020-06-20
将 Keras 设置为默认的模型构建方式。
更新 2019-08-08
新增了一个输入函数，用于导出接受原始张量输入的模型。在导出命令中使用 --raw_input 参数。如果您希望稍后“冻结”模型，这将非常有用。
对于那些有兴趣使用冻结模型对图像/视频/摄像头进行推理的人，这里有一个轻量级模块：https://github.com/yinguobing/butterfly，请查看。
更新 2019-06-24
好消息！代码已更新。解决了 #11、#13、#38、#45 等多个问题。训练过程中不再出现 key error x 错误，导出模型也正常工作了。
更新 2019-05-22
感谢您的耐心等待。我已经成功更新了用于提取人脸标注并生成 TFRecord 文件的仓库。修复了一些错误，并添加了一些最小化的示例文件。请查看这里和这里。
训练部分（本仓库）即将更新，我正在努力。
更新 2019-04-22
该仓库目前已有 199 颗 GitHub 星标，这完全超出了我的预期。无论您是谁、来自哪里、使用何种语言，我都想对这 199 位 GitHub 朋友表示感谢，感谢你们的关注。
人脸关键点检测既容易上手，又能很好地展示深度神经网络的强大能力，这也是我选择将其作为学习项目的原因。尽管我尽力记录了完整的过程，并整理成这个仓库和配套教程，但其中仍有一些地方显得粗糙和混乱。
该代码发布于一年前，在这段时间里发生了许多变化。TensorFlow 2.0 即将推出，而导出的模型在最新版本的 tf1.13 中似乎无法正常工作。我认为最好能将该项目更新到最新状态，使其继续为社区带来价值。
我现在有一份全职工作，每天几乎要花费 12 小时（包括通勤时间），但我仍会尽力保持进度。
欢迎随时提出问题，让我们深入讨论。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。