Характеристики

Лицензия: Своя лицензия
Опубликована: 11 июл 2026

Ссылки

face-pipeline-ncnn

Эмбеддинги изображенийИзображение → embedding

Набор конвертированных в ncnn моделей для обнаружения лиц, извлечения лицевых ориентиров и построения эмбеддингов на маломощных устройствах.

0скачиваний за 30 дней0лайковвеса обновлены11 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

lightcella/face-pipeline-ncnn — набор преобразованных в формат ncnn моделей YuNet, MediaPipe Face Mesh и GhostFaceNet, опубликованный lightcella для локального запуска на маломощных устройствах. Это конвертация готовых весов без переобучения; модели проверены сравнением детектора и уточнителя с исходными версиями ONNX в onnxruntime.

YuNet обнаруживает лица на RGB-изображениях 640×640, Face Mesh выдаёт 478 трёхмерных лицевых ориентиров и оценку присутствия лица по RGB-кропу 256×256, а GhostFaceNet формирует эмбеддинг лица размерности 512 по выровненному RGB-кропу 112×112. Небольшой размер файлов — от 0,22 до 8,1 МБ — рассчитан на сценарии вроде Raspberry Pi 4 и NAS. Метаданные указывают задачу image-feature-extraction; в набор также входят обнаружение лиц и извлечение лицевых ориентиров.

Лицензии различаются по компонентам: YuNet и GhostFaceNet распространяются по MIT, Face Mesh — по Apache-2.0; сводная лицензия репозитория обозначена как other. Для идентификации лиц требуется отдельный этап сравнения эмбеддингов, а качество и поддерживаемые условия применения зависят от исходных моделей. Данных о языковой обработке нет: модели работают с изображениями.

Сценарии применения

обнаружение лиц на локальных RGB-изображениях
извлечение 478 трёхмерных ориентиров лица
построение эмбеддингов лиц для последующего сравнения
локальная обработка лиц на Raspberry Pi или NAS

Ограничения

Для сопоставления лиц требуется отдельная логика сравнения эмбеддингов; README сообщает о проверке детектора и уточнителя, но не приводит метрик качества. Компоненты набора имеют разные лицензии, поэтому условия следует проверять отдельно для каждой модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Lightcella Face Models (ncnn)

ncnn-format conversions of three permissively-licensed face models, for on-device use on low-power hardware (Raspberry Pi 4 / NAS). Format conversion only — no retraining. The detector and refiner were validated against their ONNX reference in onnxruntime.

model	files	size	role	upstream	license
YuNet	`detector/yunet_2023mar.ncnn.{param,bin}`	0.22 MB	face detection	OpenCV Zoo `face_detection_yunet_2023mar`	MIT (© 2020 Shiqi Yu)
Face Mesh	`refiner/mediapipe_facemesh_478.ncnn.{param,bin}`	4.8 MB	478 face landmarks	MediaPipe `face_landmarks_detector` (`face_landmarker.task`, 2023-05-03)	Apache-2.0
GhostFaceNet	`embedder/ghostfacenet_w1.3_s2.ncnn.{param,bin}`	8.1 MB	face embedding (512-d)	HamadYA/GhostFaceNets W1.3 S2 ArcFace	MIT (© 2022 HamadYA)

Each subdirectory carries its model and its own LICENSE. Repo license is other because the files carry two MIT + one Apache-2.0 (map in LICENSE.md).

I/O

model	input	output
YuNet	RGB image, 640×640	detection heads (cls/obj/bbox/kps) at strides 8/16/32
Face Mesh	RGB face crop, 256×256	478 3D landmarks + presence score
GhostFaceNet	aligned RGB face, 112×112	512-d embedding

Blob names follow the pnnx conversion (in0 / out0…). ncnn param/bin format.

Provenance

Converted with tf2onnx / onnxsim / pnnx and checked against onnxruntime. The exact upstream source artifacts, SHA-256-pinned, are archived at lightcella/face-pipeline-sources.

Attribution

Credit to the upstream authors — YuNet (Shiqi Yu, OpenCV Zoo), MediaPipe Face Mesh (Google), GhostFaceNets (HamadYA). This repository redistributes ncnn-converted weights under their respective upstream licenses; see LICENSE.md.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: babe70c