Inicio Proyectos facenet
facenet
Python

facenet

Reconocimiento facial usando Tensorflow

por davidsandberg · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Categoría
Lenguaje
computer-visiondeep-learningface-detectionMITPython
Ver en GitHub
En palabras simples

Reconoce caras en imágenes utilizando una implementación de TensorFlow de un modelo de reconocimiento facial.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
facenet — GitHub preview card
📈 Historial de estrellas
14.34k14.33k
2026-06-282026-08-31
📈 Sigue facenet

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Reconocimiento facial usando Tensorflow

facenet tiene 14.3k estrellas en GitHub. Se ha bifurcado 4.8k veces. facenet está escrito principalmente en Python. Se desarrolla activamente desde 2016. facenet está disponible bajo la licencia MIT. Sus temas principales son: computer-vision, deep-learning, face-detection, face-recognition.

Frequently asked questions

¿Qué es facenet?

Reconocimiento facial usando Tensorflow

¿facenet es de código abierto?

facenet es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿facenet es gratis?

Sí. facenet es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está facenet?

facenet está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito facenet?

facenet está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — facenet

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=davidsandberg-facenet)](https://olud.ai/project/davidsandberg-facenet.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.