FaceSwap 是一个利用深度学习来识别图片和视频中的人脸，并进行变换人脸的工具。
当facewapping首次开发和发布时，该技术是开创性的，这是人工智能开发的一大步。它在学术界之外也完全被忽略了，因为代码令人困惑和零碎。它需要彻底了解复杂的人工智能技术，并花了很多精力来弄清楚。直到一个人将它们组合成一个单一的，有凝聚力的集合。它运行起来，它起作用，并且随着互联网上新技术的出现，它立即用于制作色情内容。问题是，这是第一个没有博士学位的人可以通过实验下载，运行和学习的AI代码。在数学，计算机理论，心理学等方面。在“深度伪造”之前，这些技术就像黑魔法一样，只有那些能够理解所有内部运作的人才能实践，如深奥和无尽复杂的书籍和论文所述。
“Deepfakes”改变了这一切，任何人都可以参与AI开发。对我们这些开发人员来说，这段代码的发布开启了一个绝佳的学习机会。它使我们能够建立在他人开发的想法基础上，与各种熟练的编码人员合作，在学习新技能的同时进行人工智能实验，并最终为新兴技术做出贡献，这种新技术只会在其发展过程中看到更多的主流用途。
是否有一些人使用类似的软件做可怕的事情？是。因此，开发人员一直遵循严格的道德标准。我们中的许多人甚至不使用它来创建视频，我们只是修改代码以查看它的作用。可悲的是，媒体只关注这个软件的不道德用途。不幸的是，这是它首次暴露给公众的本质，但它并不代表它为什么被创造，我们现在如何使用它，或者我们在未来看到的。像任何技术一样，它可以用于良好或可以被滥用。我们的目的是开发FaceSwap，使其滥用的可能性最小化，同时最大限度地发挥其作为学习，试验和合法面孔等工具的潜力。
我们不是试图诋毁名人或贬低任何人。我们是程序员，我们是工程师，我们是好莱坞VFX艺术家，我们是活动家，我们是业余爱好者，我们是人类。为此，我们觉得现在是时候提出一个关于这个软件是什么的标准陈述，而不是我们开发人员所关心的。
FaceSwap不是用于制作色情片，FaceSwap不是为了在未经同意或隐藏其使用的情况下更换面孔。FaceSwap不适用于任何非法，不道德或有问题的目的。
FaceSwap用于实验和发现人工智能技术，社交或政治评论，电影以及任何道德和合理用途。
我们对FaceSwap可用于不道德和声名狼借的事实感到非常困扰。但是，我们支持开发可以合乎道德使用的工具和技术，并为想要亲自动手学习的人提供AI的教育和经验。我们将对任何使用此软件的人采取零容忍方法用于任何不道德的目的，并将积极阻止任何此类用途。
概览
该项目有多个入口，你需要做的事：
-
收集照片（或使用以下训练数据中提供的照片）
-
从原始照片中提取面部图像
-
在照片上训练模型（或使用以下训练数据中提供的模型）
-
使用模型转换源代码
提取
运行您文件夹中的 python faceswap.py extract。这一步将把图像从 src 文件放到提取文件夹中。
训练
运行您安装文件中的 python faceswap.py 训练。这一步训练模型将两组照片保存到模型文件夹内。
转换
运行您文件中的 python faceswap.py 转换。这一步将把原始文件夹中的照片应用到修改后的文件夹中。
一般注意事项：
所有提到的脚本都带有 -h / - 帮助选项，以及可以接收的库。你很聪明，可以弄清楚它的工作原理，对吗？注意：现在视频还没有开始转换。您可以使用 MJPG 将视频转换为照片，处理图像并将图像转换回视频。
-
最近刚好接触深度学习的一些项目，又比较清闲，所以研究了一下faceswap的使用。faceswap可以用来实现换脸，由于并非专业学习，具体原理没有做深入研究，仅仅做了两天，了解了一下使用过程，在这里做个记录。 写在前面 我这里用的是linux云服务器，个人windows笔记本、台式机也可以，大同小异。个人亲测阿里云学生服务器1核2GB运行不了，训练过程中总会终止。服务器这一块大家自行准备，
-
官网介绍地址：https://forum.faceswap.dev/viewtopic.php?t=146 介绍 很多人在开始交换脸时会不知所措，而且犯了很多错误。错误是好的。这是我们学习的方法，但有时在潜入之前对所涉及的过程有一点了解会有所帮助。 在这篇文章中，我将详细阐述我们如何训练模型。有几个型号，有许多选项。我不会覆盖一切， 但希望这会给你足够的， 作出明智的决定， 你自己。如果您尚未生成
-
This is the code behind the Switching Eds blog post. See the link for an explanation of the code. To run the script you'll need to install dlib (http://dlib.net) including its Python bindings, and Ope
-
使用慧编程的机器学习功能可以实现人脸识别，当识别到“女士”，广播消息“笑”并等待，光环板接收到广播消息，露出笑脸，否则，广播消息“生气”并等待，光环板亮红灯。此功能可应用于智能家居系统，当识别到主人回家时，大门自动打开，当识别到陌生人时，开启警铃。 训练模型 1. 选择“角色”，点击积木区下方的“＋”，添加扩展“机器学习”。 2. 选中机器学习积木，点击“训练模型”，在训练模型界面点击“新建模型”
-
主要内容 课程列表 专项课程学习 辅助课程 论文专区 课程列表 课程 机构 参考书 Notes等其他资料 卷积神经网络视觉识别 Stanford 暂无 链接 神经网络 Tweet 暂无 链接 深度学习用于自然语言处理 Stanford 暂无 链接 自然语言处理 Speech and Language Processing 链接 专项课程学习 下述的课程都是公认的最好的在线学习资料，侧重点不同，但推
-
Google Cloud Platform 推出了一个 Learn TensorFlow and deep learning, without a Ph.D. 的教程，介绍了如何基于 Tensorflow 实现 CNN 和 RNN，链接在 这里。 Youtube Slide1 Slide2 Sample Code
-
现在开始学深度学习。在这部分讲义中，我们要简单介绍神经网络，讨论一下向量化以及利用反向传播(backpropagation)来训练神经网络。 1 神经网络(Neural Networks) 我们将慢慢的从一个小问题开始一步一步的构建一个神经网络。回忆一下本课程最开始的时就见到的那个房价预测问题：给定房屋的面积，我们要预测其价格。 在之前的章节中，我们学到的方法是在数据图像中拟合一条直线。现在咱们不
-
深度学习的总体来讲分三层，输入层，隐藏层和输出层。如下图： 但是中间的隐藏层可以是多层，所以叫深度神经网络，中间的隐藏层可以有多种形式，就构成了各种不同的神经网络模型。这部分主要介绍各种常见的神经网络层。在熟悉这些常见的层后，一个神经网络其实就是各种不同层的组合。后边介绍主要基于keras的文档进行组织介绍。
-
Python 是一种通用的高级编程语言，广泛用于数据科学和生成深度学习算法。这个简短的教程介绍了 Python 及其库，如 Numpy，Scipy，Pandas，Matplotlib，像 Theano，TensorFlow，Keras 这样的框架。
-
你拿起这本书的时候，可能已经知道深度学习近年来在人工智能领域所取得的非凡进展。在图像识别和语音转录的任务上，五年前的模型还几乎无法使用，如今的模型的表现已经超越了人类。
-
主要内容：机器学习,深度学习,机器学习与深度学习的区别,机器学习和深度学习的应用人工智能是近几年来最流行的趋势之一。机器学习和深度学习构成了人工智能。下面显示的维恩图解释了机器学习和深度学习的关系 - 机器学习 机器学习是让计算机按照设计和编程的算法行事的科学艺术。许多研究人员认为机器学习是实现人类AI的最佳方式。机器学习包括以下类型的模式 - 监督学习模式 无监督学习模式 深度学习 深度学习是机器学习的一个子领域，其中有关算法的灵感来自大脑的结构和功能，称为人工神经网络。