如何用Lap人脸识别快速找到某个人人脸聚类功能实战指南【免费下载链接】lapAn offline-first photo manager for large local libraries项目地址: https://gitcode.com/GitHub_Trending/lap3/lapLap 是一款开源的离线优先本地照片管理器它内置了完全在本地运行的人脸识别与人脸聚类功能。只需一键「索引人脸」Lap 就能自动把你库里成千上万张照片中的人物聚成一个个「人」之后想找某个人拍的所有照片点一下就能看全无需任何云端账号。为什么你需要人脸聚类回忆一下这种场景孩子上个月过生日你想找出全家福里他的所有照片但几千张图散落在不同文件夹、不同年份里——翻照片翻到崩溃。传统方案要么手动一张张筛选要么把照片上传到云端相册服务让别人的服务器替你扫描。Lap 的思路完全不同文件夹优先直接管理你现有的照片文件夹不强制导入完全离线人脸检测、特征提取、聚类全部在本地完成照片不出你的硬盘为大型图库优化十万张照片级别的库也能流畅浏览Lap 的人脸聚类是怎么工作的Lap 的人脸引擎由两个本地 ONNX 模型组成源码见 src-tauri/src/t_face.rsRetinaFace 人脸检测det_500m.onnx在每张图中找出所有人脸的位置和 5 个面部关键点MobileFaceNet 特征提取w600k_mbf.onnx为每张脸生成一组特征向量长相越像向量越接近随后 src-tauri/src/t_cluster.rs 中的聚类算法把相似的人脸向量归组同一个人在不同照片、不同年龄、不同角度下拍摄的臉都会被自动归到同一个人物下。模型文件随安装包附带若缺失可用 scripts/download_models.sh 一键补齐。一键索引人脸三步完成聚类人脸功能位于左侧边栏的「人物」面板src-vite/src/components/Person.vue整个流程非常简单第 1 步先开启人脸识别打开设置 → 人物搜索勾选「启用人脸识别」。第 2 步点击「索引人脸」在人物面板中点击「索引人脸」按钮。Lap 会逐张扫描图库界面显示实时进度正在索引人脸... 1234/8567—— 当前处理到第几张已发现 3,200 张人脸—— 累计检出的人脸数正在聚类人脸...—— 所有照片扫描完后进入聚类阶段大图库的索引可能需要一些时间中途可以随时取消若提前中断面板会提示「人脸索引未完成 (N 张照片未处理)」随时可以继续不会白跑。第 3 步浏览人物列表索引完成后人物面板会列出所有自动聚类出来的人物头像右侧显示每个人对应的照片数量。此时你已经在照片库里拥有了一个「按人」浏览的维度。快速找到某个人搜索与重命名聚类只是开始真正好用的是「找到并标记那个人」点击任意人物头像主区域立即展示这个人的所有照片自动过滤出该人物的完整相册重命名双击或右键人物名即可重命名。把「人物 3」改成「女儿」下次一眼就能找到面板内搜索人物多时用面板顶部的搜索框直接输入名字过滤支持键盘上下键快速切换右键菜单可对人物执行合并、删除等整理操作如果你把两个人的脸误合到了一个或同一个人被拆成了两个「人物」可以用合并把两个聚类并到一起该功能自 v0.1.1 起提供详见 docs/guide/release-notes/v0.1.1.md误聚的人也能直接删除其索引数据不会动你的原照片。调聚类阈值平衡「拆得开」与「合得拢」不同光线、年龄跨度下聚类结果可能有偏差。Lap 在设置 → 人物搜索 → 聚类阈值提供四档调节档位效果极高严格拆得很开同一个人可能被分成多个高较严格中推荐默认值多数场景够用低宽松合得拢但可能把不同的人合并经验法则发现同一个人被拆开了 → 调低一档发现两个人被合到一起了 → 调高一档。常见问题速答 人脸索引会上传我的照片吗不会。检测与聚类全部在本地 CPU/GPU 上运行Lap 的设计前提就是隐私优先的离线工作流。 人脸数据存在哪里人物、人脸数据与收藏、标签一样保存在 Lap 的本地数据库中不会写入照片文件本身。备份图库时建议连同设置 → 存储中的数据库一起备份。 视频里的人脸会被识别吗人脸索引主要面向照片库中的图片视频同样可以通过日期、地点、标签等维度浏览管理。 这个功能成熟吗人物面板带有 BETA 标记官方提示「人脸识别仍处于测试阶段结果可能不准确」建议对聚类不满意时用阈值调节 合并/删除进行人工修正。小结Lap 的人脸聚类把「找某个人」从大海捞针变成了两步操作索引人脸 → 点一下人物头像。所有处理留在本地隐私零妥协配合重命名与合并功能几万个文件的家庭相册也能建立起按人物组织的浏览方式。如果你厌倦了云相册的强制上传这值得一试。【免费下载链接】lapAn offline-first photo manager for large local libraries项目地址: https://gitcode.com/GitHub_Trending/lap3/lap创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
如何用Lap人脸识别快速找到某个人：人脸聚类功能实战指南
如何用Lap人脸识别快速找到某个人人脸聚类功能实战指南【免费下载链接】lapAn offline-first photo manager for large local libraries项目地址: https://gitcode.com/GitHub_Trending/lap3/lapLap 是一款开源的离线优先本地照片管理器它内置了完全在本地运行的人脸识别与人脸聚类功能。只需一键「索引人脸」Lap 就能自动把你库里成千上万张照片中的人物聚成一个个「人」之后想找某个人拍的所有照片点一下就能看全无需任何云端账号。为什么你需要人脸聚类回忆一下这种场景孩子上个月过生日你想找出全家福里他的所有照片但几千张图散落在不同文件夹、不同年份里——翻照片翻到崩溃。传统方案要么手动一张张筛选要么把照片上传到云端相册服务让别人的服务器替你扫描。Lap 的思路完全不同文件夹优先直接管理你现有的照片文件夹不强制导入完全离线人脸检测、特征提取、聚类全部在本地完成照片不出你的硬盘为大型图库优化十万张照片级别的库也能流畅浏览Lap 的人脸聚类是怎么工作的Lap 的人脸引擎由两个本地 ONNX 模型组成源码见 src-tauri/src/t_face.rsRetinaFace 人脸检测det_500m.onnx在每张图中找出所有人脸的位置和 5 个面部关键点MobileFaceNet 特征提取w600k_mbf.onnx为每张脸生成一组特征向量长相越像向量越接近随后 src-tauri/src/t_cluster.rs 中的聚类算法把相似的人脸向量归组同一个人在不同照片、不同年龄、不同角度下拍摄的臉都会被自动归到同一个人物下。模型文件随安装包附带若缺失可用 scripts/download_models.sh 一键补齐。一键索引人脸三步完成聚类人脸功能位于左侧边栏的「人物」面板src-vite/src/components/Person.vue整个流程非常简单第 1 步先开启人脸识别打开设置 → 人物搜索勾选「启用人脸识别」。第 2 步点击「索引人脸」在人物面板中点击「索引人脸」按钮。Lap 会逐张扫描图库界面显示实时进度正在索引人脸... 1234/8567—— 当前处理到第几张已发现 3,200 张人脸—— 累计检出的人脸数正在聚类人脸...—— 所有照片扫描完后进入聚类阶段大图库的索引可能需要一些时间中途可以随时取消若提前中断面板会提示「人脸索引未完成 (N 张照片未处理)」随时可以继续不会白跑。第 3 步浏览人物列表索引完成后人物面板会列出所有自动聚类出来的人物头像右侧显示每个人对应的照片数量。此时你已经在照片库里拥有了一个「按人」浏览的维度。快速找到某个人搜索与重命名聚类只是开始真正好用的是「找到并标记那个人」点击任意人物头像主区域立即展示这个人的所有照片自动过滤出该人物的完整相册重命名双击或右键人物名即可重命名。把「人物 3」改成「女儿」下次一眼就能找到面板内搜索人物多时用面板顶部的搜索框直接输入名字过滤支持键盘上下键快速切换右键菜单可对人物执行合并、删除等整理操作如果你把两个人的脸误合到了一个或同一个人被拆成了两个「人物」可以用合并把两个聚类并到一起该功能自 v0.1.1 起提供详见 docs/guide/release-notes/v0.1.1.md误聚的人也能直接删除其索引数据不会动你的原照片。调聚类阈值平衡「拆得开」与「合得拢」不同光线、年龄跨度下聚类结果可能有偏差。Lap 在设置 → 人物搜索 → 聚类阈值提供四档调节档位效果极高严格拆得很开同一个人可能被分成多个高较严格中推荐默认值多数场景够用低宽松合得拢但可能把不同的人合并经验法则发现同一个人被拆开了 → 调低一档发现两个人被合到一起了 → 调高一档。常见问题速答 人脸索引会上传我的照片吗不会。检测与聚类全部在本地 CPU/GPU 上运行Lap 的设计前提就是隐私优先的离线工作流。 人脸数据存在哪里人物、人脸数据与收藏、标签一样保存在 Lap 的本地数据库中不会写入照片文件本身。备份图库时建议连同设置 → 存储中的数据库一起备份。 视频里的人脸会被识别吗人脸索引主要面向照片库中的图片视频同样可以通过日期、地点、标签等维度浏览管理。 这个功能成熟吗人物面板带有 BETA 标记官方提示「人脸识别仍处于测试阶段结果可能不准确」建议对聚类不满意时用阈值调节 合并/删除进行人工修正。小结Lap 的人脸聚类把「找某个人」从大海捞针变成了两步操作索引人脸 → 点一下人物头像。所有处理留在本地隐私零妥协配合重命名与合并功能几万个文件的家庭相册也能建立起按人物组织的浏览方式。如果你厌倦了云相册的强制上传这值得一试。【免费下载链接】lapAn offline-first photo manager for large local libraries项目地址: https://gitcode.com/GitHub_Trending/lap3/lap创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
