针对需要同时存储人脸特征与人脸原图的应用场景，本项目设计了一套基于基于深度特征辅助的人脸图像压缩系统，在支持使用人脸特征完成人脸识别等下游任务的同时，在图像压缩方面取得了优于 JPEG 压缩原图的效果。

算法模型架构基于 Shurun Wang 等人于 2019 IEEE 提出的论文 Scalable Facial Image Compression with Deep Feature Reconstruction 进行复现。

本系统基于该算法模型搭建一整套前后端应用，具备通过互联网提供算法服务的能力。

• algorithm - 基于 Pytorch 的算法模块
• backend - 基于 Flask 的后端模块
• frontend - 基于 Vue 的前端模块

另外需要 Nginx 进行静态资源代理以及后端服务的反向代理实现部署

子模块结构与文件的对应关系请参考各个子模块根目录下的 README 文件

• 人脸图像自动裁切归一化
• 人脸特征提取
• 人脸图像压缩
• 人脸图像解压
• 算法效果对比（与 JPEG）
• 支持多种压缩等级
• 重建效果预览
• 算法演算过程图展示
• 图像相关指标评价

对于面向人脸识别等任务的人脸特征进行重建的效果：

压缩过程例图：

深度学习方法与 JPEG 方法在相近 bpp 条件下的 PSNR 比较：

效果演示页：文件上传 -> 选择不同的压缩参数 -> 查看结果

鼠标放置于图片上时，会展示原始图像

图像压缩页：文件上传 -> 下载结果

图像解压页：上传压缩文件 -> 下载还原图

• 深度学习算法服务的搭建与部署教程