---
title: cv_manual_facial-landmark-confidence_flcm
canonical_url: "https://www.modelscope.cn/models/damo/cv_manual_facial-landmark-confidence_flcm"
md_url: "https://www.modelscope.cn/models/damo/cv_manual_facial-landmark-confidence_flcm.md"
repository: damo/cv_manual_facial-landmark-confidence_flcm
chinese_name: "FLCM人脸关键点置信度模型"
last_updated: 2023-02-15
license: "MIT License"
pipeline_tag: face-2d-keypoints
tasks:
  - face-2d-keypoints
library_name:
  - pytorch
frameworks:
  - pytorch
domain:
  - cv
downloads: 779802
stars: 12
tags:
  - FLC
---

# cv_manual_facial-landmark-confidence_flcm

> cv_manual_facial-landmark-confidence_flcm - damo 在 ModelScope 开源的模型。FLCM 模型介绍 稳定调用及效果更好的API，详见视觉开放智能平台：人脸属性识别、表情识别。

damo/cv_manual_facial-landmark-confidence_flcm 是 ModelScope 魔搭社区上的face-2d-keypoints模型，采用 MIT License 许可。

- **Repository**: damo/cv_manual_facial-landmark-confidence_flcm
- **License**: MIT License
- **Tasks**: face-2d-keypoints
- **Tags**: FLC
- **Downloads**: 779802
- **Stars**: 12
- **Last updated**: 2023-02-15

Source: https://www.modelscope.cn/models/damo/cv_manual_facial-landmark-confidence_flcm

---

# FLCM 模型介绍
稳定调用及效果更好的API，详见视觉开放智能平台：[人脸属性识别](https://vision.aliyun.com/experience/detail?tagName=facebody&children=RecognizeFace&spm=a2cio.27993362)、[表情识别](https://vision.aliyun.com/experience/detail?tagName=facebody&children=RecognizeExpression&spm=a2cio.27993362)。

人脸关键点置信度模型FLCM


## 模型描述

FLCM为达摩院自研的关键点置信度算法，基于关键点的好坏来判断输入图片的质量，可以作为人脸识别系统中的拒识模块, 该方法的主要贡献是在目前的人脸关键点模型上引入了额外的Face Quality Estimator: 可以根据关键点的质量来生成对应的得分。

## 模型结构
![模型结构](FLC.png)

## 模型效果
![模型效果](flc_demo_1.jpg)

## 模型使用方式和使用范围
本模型可以检测输入图片中人脸的5点关键点和对应的人脸质量质量分

### 代码范例
```python
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

facial_landmark_confidence_func = pipeline(Tasks.face_2d_keypoints, 'damo/cv_manual_facial-landmark-confidence_flcm')
src_img_path = 'https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/face_recognition_1.png'
raw_result = facial_landmark_confidence_func(src_img_path)
print('facial landmark confidence output: {}.'.format(raw_result))

# if you want to show the result, you can run
from modelscope.utils.cv.image_utils import draw_face_detection_result
from modelscope.preprocessors.image import LoadImage
import cv2
import numpy as np

# load image from url as rgb order
src_img = LoadImage.convert_to_ndarray(src_img_path)
# save src image as bgr order to local
src_img  = cv2.cvtColor(np.asarray(src_img), cv2.COLOR_RGB2BGR)
cv2.imwrite('src_img.jpg', src_img) 
# draw dst image from local src image as bgr order
dst_img = draw_face_detection_result('src_img.jpg', raw_result)
# save dst image as bgr order to local
cv2.imwrite('dst_img.jpg', dst_img)
# show dst image by rgb order
import matplotlib.pyplot as plt
dst_img  = cv2.cvtColor(np.asarray(dst_img), cv2.COLOR_BGR2RGB)
plt.imshow(dst_img)
```
### 使用方式
- 推理：输入图片，如存在人脸则返回人脸的五点关键点和对应的质量分。


### 目标场景
- 人脸相关的基础能力，可应用于视频监控/人像美颜/互动娱乐/人脸比对等场景


### 模型局限性及可能偏差
- 模型使用公开集训练，可能在某些具体的业务场景效果一般，
- 目前只支持单人的人脸关键点置信度识别。
- 当前版本在python 3.7环境测试通过，其他环境下可用性待测试

### 预处理
测试时主要的预处理如下：
- Resize：图像resize到120x120

## 人脸相关模型

以下是ModelScope上人脸相关模型:

- 人脸检测

| 序号 | 模型名称 |
| ------------ | ------------ |
| 1 | [RetinaFace人脸检测模型](https://modelscope.cn/models/damo/cv_resnet50_face-detection_retinaface/summary) |
| 2 | [MogFace人脸检测模型-large](https://modelscope.cn/models/damo/cv_resnet101_face-detection_cvpr22papermogface/summary) |
| 3 | [TinyMog人脸检测器-tiny](https://modelscope.cn/models/damo/cv_manual_face-detection_tinymog/summary) |
| 4 | [ULFD人脸检测模型-tiny](https://modelscope.cn/models/damo/cv_manual_face-detection_ulfd/summary) |
| 5 | [Mtcnn人脸检测关键点模型](https://modelscope.cn/models/damo/cv_manual_face-detection_mtcnn/summary) |
| 6 | [ULFD人脸检测模型-tiny](https://modelscope.cn/models/damo/cv_manual_face-detection_ulfd/summary) |


- 人脸识别

| 序号 | 模型名称 |
| ------------ | ------------ |
| 1 | [口罩人脸识别模型FaceMask](https://modelscope.cn/models/damo/cv_resnet_face-recognition_facemask/summary) |
| 2 | [口罩人脸识别模型FRFM-large](https://modelscope.cn/models/damo/cv_manual_face-recognition_frfm/summary) |
| 3 | [IR人脸识别模型FRIR](https://modelscope.cn/models/damo/cv_manual_face-recognition_frir/summary) |
| 4 | [ArcFace人脸识别模型](https://modelscope.cn/models/damo/cv_ir50_face-recognition_arcface/summary) |
| 5 | [IR人脸识别模型FRIR](https://modelscope.cn/models/damo/cv_manual_face-recognition_frir/summary) |

- 人脸活体识别

| 序号 | 模型名称 |
| ------------ | ------------ |
| 1 | [人脸活体检测模型-IR](https://modelscope.cn/models/damo/cv_manual_face-liveness_flir/summary) |
| 2 | [人脸活体检测模型-RGB](https://modelscope.cn/models/damo/cv_manual_face-liveness_flrgb/summary) |
| 3 | [静默人脸活体检测模型-炫彩](https://modelscope.cn/models/damo/cv_manual_face-liveness_flxc/summary) |

- 人脸关键点

| 序号 | 模型名称 |
| ------------ | ------------ |
| 1 | [FLCM人脸关键点置信度模型](https://modelscope.cn/models/damo/cv_manual_facial-landmark-confidence_flcm/summary) |

- 人脸属性 & 表情


| 序号 | 模型名称 |
| ------------ | ------------ |
| 1 | [人脸表情识别模型FER](https://modelscope.cn/models/damo/cv_vgg19_facial-expression-recognition_fer/summary) |
| 2 | [人脸属性识别模型FairFace](https://modelscope.cn/models/damo/cv_resnet34_face-attribute-recognition_fairface/summary) |

## 来源说明
本模型及代码来自达摩院自研技术。