DogFace · 狗脸识别系统

用 YOLOv8 框出狗脸、ArcFace 提特征、FAISS 做近邻检索，把「这是哪只狗」从翻照片变成一次可索引的查询，底库一万六千多张。

交付周期

待补录

代码库起止时间待补 —— 本次只做了功能与规模盘点，未取版本历史

预算区间

还不确定

我的角色

独立承接：识别链路搭建、特征库与检索服务实现

客户

某企业（已脱敏）

命令行输出真跑命令取输出

取图说明

图源DogFace

说明项目没有 Web 界面（Python + 数据集，只提供 API），封面取其自带 scripts/check_env.py 的真实 stdout：19 项环境校验逐条通过，含 GPU 张量运算与 FAISS 自检索实测；终端窗口为渲染呈现

取图2026-10-07

成果与数据

16726 张图片建索引

底库规模

YOLOv8 → ArcFace → FAISS

识别链路

19 项全部通过

环境校验

检索方式按时间翻文件夹逐张比对特征向量近邻检索

底库—16726 张图片建索引

环境就绪装错了要等跑不出结果才发现19 项校验一次跑完

以上为上线后的实测对比。数据来自客户现有业务的日常记录（订单系统、排班表、财务流水等），由客户方业务负责人确认。没有可靠量化口径的项目，这里只写周期、迭代次数这类过程指标。

客户当时的处境

找一只走失的狗，只能一页页翻照片，翻到眼睛花也未必找得到

同品种的狗看着都像，人工比对全凭感觉，说不出依据

照片越攒越多，检索方式还停在按时间翻文件夹

怎么做的，为什么这么做

检测、特征、检索拆成三段

YOLOv8 先把狗脸框出来，ArcFace 提特征向量，FAISS 负责相似检索。三段各自独立，换检测模型不影响已经入过库的向量。

用向量检索代替逐张比对

底库图片批量提完特征入索引，检索退化成毫秒级的近邻查询；新照片进来直接查，不用把全库再过一遍。

先验证环境，再谈效果

项目自带 19 项环境校验，从 torch 版本、CUDA 可用性一路测到 GPU 张量运算与 FAISS 自检索冒烟测试。换机器先跑一遍，避免「跑不出结果，其实是环境没装对」。

界面与演示

该项目界面受客户保密要求约束，对外只展示结构示意。如果你需要看实际界面，可以在沟通时申请一次在线演示。

申请在线演示

PythonPyTorchYOLOv8ArcFaceFAISSONNX RuntimeFastAPI

以 FastAPI 提供识别接口，图片经 httpx 拉取或从 MinIO 对象存储取；YOLOv8 负责狗脸检测，insightface 的 ArcFace 提特征向量，FAISS 承担相似检索。GPU 侧由 PyTorch CUDA 与 onnxruntime-gpu 加速。模型权重、向量索引与图片存储分开存放，各自可单独替换。