安排！
自 中科视拓SeetaFace2开源 以来，配套组建的开发者社群每天都热火朝天，各种提问、讨论层出不穷。为了帮助大家更好地使用， 9月17日，中科视拓研发部产品总监兼研发总监李凯周 在 雷锋网《AI研习社-职播间》 开课直播，分享SeetaFace2人脸识别算法 源码 的结构和设计，详解应用实战，吸引了近400位开发者观看直播，踊跃提问。
针对大家遇到的一些共性问题，中科视拓攻城狮小哥哥特别整理了 SeetaFace2 FAQ ，希望能帮助到大家。
SeetaFace2 FAQ
1. SeetaFace2是否有使用限制？
SeetaFace2按照BSD 开源协议 发布。源码不依赖于第三方库，不会有任何功能性限制。
2. SeetaFace2 是否开源模型训练？如何将自己的模型采用SeetaFace2框架部署？
没有开源训练源码。没有开放模型第三方模型部署。
3. 开源的5点和81点分别是哪些点？
5点分别为：左眼中心、右眼中心、鼻尖、左嘴角和右嘴角。
81点分布如下图：
4. 开源的 算法 分别是什么，如何进行学习？
人脸检测算法：Cascade CNN，参考文献A Convolutional Neural Network Cascade for Face Detection
特征点定位算法：FEC-CNN，参考文献Robust FEC-CNN: A High Accuracy Facial Landmark Detection System
人脸特征提取：ResNet，Deep Residual Learning for Image Recognition
人脸特征对比：向量余弦相似度计算
5. SeetaFace2支持的平台/操作系统/编译器版本？
SeetaFace2支持系统Windows(7以上)、Ubuntu(16.04以上)、CentOS(7以上)和Android（4.4以上）、IOS（9以上）、MacOS（10以上）。支持平台 x86 /x86_64/amd64/arm-v7a/arm-v8。支持MSVC2013、GCC5.4以上，C++11支持。注意：部分C++11部分支持的编译器可以直接支持、或调整部分代码支持；但可能引起编译器bug。 已知GCC4.8有编译器bug。
x86/x86_64/amd64架构需要SEE2指令集支持（比选），FMA指令集支持（可选）。
arm-v7a/arm-v8架构需要NEON指令集支持。
已开发源码不支持除上述外架构。其他支持需要修改源码。
6. 源代码不依赖第三方库，但是为什么还需要 OpenCV ？
OpenCV只是为了编译测试用，进行图像的编解码，核心算法计算不需要依赖OpenCV。如果确实无法移植OpenCV，则设置 cmake 选项-DBUILD_EXAMPLE=OFF。编译核心库SeetaNet、FaceDetector、FaceLandmarker、FaceRecognizer成功后，采用普通加载第三方库的方式加入到应用项目中使用即可。
7. 编译没有问题，运行时出现”illegal instruction”的错误提示。
初始发布版本默认会使用FMA加速。当前版本代码已经修复，默认不会打开FMA加速。如果需要打开则cmake编译时加入-DSEETA_USE_FMA=ON。更多关于指令集的依赖，请参考问题5。
8. Windows配置OpenCV总是失败，如何解决？
a. 参考问题6。
b. 参考cnweizhi同学的分享：
9. Android 如何进行部署，已经编译了对应的so库？
接口提供的是C++接口，需要封装成 JNI ，提供java调用。
可以参考xiaoxiaoazhang同学的分享：
10. 如何进行人脸底库管理/底库持久化？只看到了Register的示例。
人脸底库管理其实就是人脸特征管理。人脸特征提取提供了两组接口。
1）在seeta/FaceRecognizer.h中提供了 Extract 和CalculateSimilarity接口，分别进行特征提取和相似度对比。提取到的特征是1024维单精度浮点数数组，可以按照需求随意存储。
2）在seeta/FaceDatabase.h中提供了简易的内存底库管理，在1接口的基础上，在内存中管理注册的人脸。提供了Register、Detect、Clear、Save、Load接口，分别进行注册、删除、清空、保存、加载人脸库的操作。
11. 提示”Can not access: “xxx””，无法访问文件的提示和异常。
该提示含义是找不到模型文件，参考README.md的操作说明，将下载好的模型文件放到 可执行程序 运行时可以访问到的路径即可。
12. SeetaImageData的data成员是什么含义？
data成员指向一块连续存储的uint8_t(unsigned char)类型的数组，表示了HWC格式存储的BGR通道顺序的彩色图片（如果灰度图像channels为1）。
（感谢cnweizhi、xiaoxiaoazhang同学的分享。）
错过直播怎么办？回看方式：
1、点击”了解更多”直达直播间。
2、扫码直达
关注公众号“中科视拓订阅号”，后台回复”开源”可获得直播PPT。
开发者评价：
专业从事人脸识别工作的Mirror：
优点是有专门的社区讨论，人脸检测和关键点定位模型比较小，比较方便部署，速度也很快。
来自在线教育行业的白杨：
工程方面：代码质量高，接口比较友好
算法方面：关键点定位和人脸特征提取还不错
开源方面：建议开源训练代码，做人脸识别开源方向的一面旗帜。
从事计算机视觉研究的匿名开发者：
精度挺不错的。
来自金融行业的rere：
1. 体验不错，主要关注特征提取。使用的5点定位，识别率不错。
2. 对国人的识别率不错，前期使用的是dlib。
医疗健康领域的开发者：
精度挺高的，建议以后增加活体检测。
AI+保险行业的高粱怡：
SeetaFace2人脸检测模块检测速度很快，检测准确率也比较高。
—END—
SeetaFace2现已通过GitHub开源。（地址：
）
欢迎开发者加入 SeetaFace开发者社区 ，请先加SeetaFace小助手微信，通过审核后将邀请您入群。
想要购买SeetaFace商业版引擎以获得精度更高、速度更快的人脸识别算法或活体验证、表情识别、心率估计、姿态估计、视线追踪等更多人脸分析模块支持，请联系商务邮件 bd@seetatech.com 。
中科视拓（北京）科技有限公司是一家来自中国科学院计算技术研究所的人工智能基础设施服务商，核心团队来自国家万人计划领军人才山世光研究员和国家自然科学基金委杰出青年基金获得者陈熙霖研究员共同领导的中科院计算所智能信息处理重点实验室和中国科学院计算技术研究所视觉信息处理与学习（VIPL）研究组。中科视拓凭借在人脸识别与通用计算机视觉技术方面20多年的深厚积累，以”开源赋能共发展”的思路，打造AI视觉全栈能力—SeetaFace人脸识别与感知计算解决方案、AI算法调用平台—SeeTaaS自主可控人工智能生产平台和AI服务与计算中心—中科视拓云智中心三大产品线，致力于为政府、教育、制造、金融和零售等国民经济主战场行业提供一站式人工智能基础设施服务。
商务合作：
business@seetatech.com
市场合作：
pr@seetatech.com
加入我们：
hr@seetatech.com
