如果你对DFace感兴趣并且想参与到这个项目中以下TODO是一些需要实现的功能我定期会更新它会实时展示一些需要开发的清单.提交你的fork request我会用issues来跟踪和反馈所有的问题.也可以加DFace的官方Q群681403076也可以加本人微信jinkuaikuai005TODO需要开发的功能基于center loss或者triplet loss原理开发人脸对比功能模型采用ResNet inception v2.该功能能够比较两张人脸图片的相似性.具体可以参考Paper和FaceNet反欺诈功能根据光线质地等人脸特性来防止照片攻击视频攻击回放攻击等.具体可参考LBP算法和SVM训练模型.3D人脸反欺诈.mobile移植根据ONNX标准把pytorch训练好的模型迁移到caffe2一些numpy算法改用C++实现.Tensor RT移植高并发.Docker支持gpu版安装DFace主要有两大模块人脸检测和人脸识别.我会提供所有模型训练和运行的详细步骤.你首先需要构建一个pytorch和cv2的python环境