目前人脸识别开源项目众多，但真正能方便快捷拿来就用、性能指标业界领先的开源库并不多，而最近刚刚开源的face.evoLVe绝对是不容忽视的力量。
项目地址：
https://github.com/ZhaoJ9014/face.evoLVe.PyTorch
作者不仅开源了代码（包括人脸识别的训练和测试的各个环节）和高精度预训练模型，连业界主流的数据集也都提供给大家下载，方便学术界和工业界使用和进一步研究，强烈推荐大家关注！
该库的作者为新加坡国立大学LV组的Jian Zhao，感谢大佬！
face.evoLVe介绍
face.evoLVe 为人脸相关分析和应用提供了全面的人脸识别库，包括：
1. 人脸对齐（人脸检测，特征点定位，仿射变换等）；
2. 数据处理（例如，数据增广，数据平衡，归一化等）；
3. 各种骨干网（例如，ResNet，IR，IR-SE，ResNeXt，SE-ResNeXt，DenseNet，LightCNN，MobileNet，ShuffleNet，DPN等）；
4. 各种损失函数（例如，Softmax，Focal，Center，SphereFace，CosFace，AmSoftmax，ArcFace，Triplet等等）；
5. 提高性能的技巧包（例如，训练改进，模型调整，知识蒸馏等）。
另外 face.evoLVe 提供了一个高效的分布式训练模式，方便使用多GPU训练，不仅支持骨干网，还支持具有全连接（softmax）层的头部，以便于实现大规模的人脸识别。
难能可贵之处还在于，该库提供了对齐之前和之后的所有人脸数据，源代码和预训练模型。
总之一句话，该库可以帮助研究人员/工程师快速开发高性能深度人脸识别模型和算法，方便实际使用和开发部署。
数据集
下图是该库提供下载的数据集列表，很贴心的提供了Google Drive 和百度云两个下载链接。
预训练模型
下图是作者开源的一个人脸识别预训练模型，骨干网用IR-50，网络Head ArcFace，Loss 函数Focal，在MS-Celeb-1M_Align_112*112数据上训练。
下图是上述模型在各个数据集上的精度：
在该库的最新状态中，作者称正在MS-Celeb-1M_Align_112x112数据集上训练ResNet-50、IR-SE-50、 IR-SE-152、IR-152 ，并将很快提供下载。
高精度
作者称该库是以下两个人脸识别挑战赛冠军。
ICCV 2017 MS-Celeb-1M Large-Scale Face Recognition Hard Set/Random Set/Low-Shot Learning 挑战赛冠军.
2017 National Institute of Standards and Technology (NIST) IARPA Janus Benchmark A (IJB-A) Unconstrained Face Verification challenge and Identification 挑战赛冠军。
同时在以下9个数据集上取得了state-of-the-art。
怎么样，是不是很强大！
再发一下地址：
https://github.com/ZhaoJ9014/face.evoLVe.PyTorch
