Facenet Cli
- 1 installs
- Updated June 27, 2026
- mz038197/vanscoding-skills
Operates the facenet-cli (fnet) tool for face embeddings and 1:1 or 1:N matching via facenet-pytorch, with camera capture, CSV databases, and JSON output.
About
Drives the fnet CLI wrapper around facenet-pytorch to compute face embeddings and run 1:1 or 1:N face matching, including camera capture and CSV face databases. A developer uses it for terminal-based face embedding, database building, and comparison.
- fnet commands for embedding capture, find, images, and compare
- JSON output for automation; installs via uv, Python 3.13+
Facenet Cli by the numbers
- 1 all-time installs (skills.sh)
- Ranked #1,803 of 2,064 Data Science & ML skills by installs in the Skillselion catalog
- Data as of Aug 4, 2026 (Skillselion catalog sync)
npx skills add https://github.com/mz038197/vanscoding-skills --skill facenet-cliAdd your badge
Show developers this skill is listed on Skillselion. Paste this into your README.
| Installs | 1 |
|---|---|
| Last updated | June 27, 2026 |
| Repository | mz038197/vanscoding-skills ↗ |
What it does
Operates the facenet-cli (fnet) tool for face embeddings and 1:1 or 1:N matching via facenet-pytorch, with camera capture, CSV databases, and JSON output.
Files
facenet-cli（fnet）
本專案為 facenet-pytorch 的命令列封裝，主指令為 `fnet`。亦可以模組執行：uv run python -m cli_anything.facenet（需 Python ≥3.13，見 pyproject.toml）。儲存庫：<https://github.com/mz038197/facenet-cli>
安裝
建議使用 [uv](https://docs.astral.sh/uv/)。從 GitHub 直接安裝到目前環境：
uv pip install git+https://github.com/mz038197/facenet-cli.git全域安裝 fnet 指令（可選）：
uv tool install git+https://github.com/mz038197/facenet-cli.git本機 clone 後開發：uv venv --python 3.13 → uv sync（見專案 README.md）。
何時套用此技能
- 使用者要在終端機做人臉 embedding、建庫、拍照比對、兩張圖比對
- 使用者提到 `fnet`、
facenet-cli、embedding capture/find/images/compare - 需要 可機讀輸出（JSON）給腳本或 agent 解析
- 在 本倉庫內除錯 CLI、測試或撰寫文件
與 `samples/` 目錄的差異：samples/*.py 為獨立範例腳本（直接呼叫 facenet_pytorch），不是 fnet 子命令；若使用者要「用專案內建 CLI」，請引導 fnet，不要混用範例檔名當成指令。
全域選項
| 選項 | 說明 |
|---|---|
--json | 將結果以 JSON 印出（建議 agent 永遠加上） |
--workspace <路徑> | 工作目錄，預設 .；實際行為見 cli_anything/facenet/utils/ |
子命令群組：embedding
| 子命令 | 用途 | 常用參數 |
|---|---|---|
help | 列出子命令與範例字串 | — |
capture | 從攝影機擷取一次 embedding，可寫 CSV | --output-csv、--dry-run |
find | 擷取後與資料庫 CSV 比對，輸出姓名／距離 | --database-csv（預設 face_embeddings_database.csv）、--threshold（預設 1.0）、--dry-run |
images | 批次資料夾影像 → 輸出 檔名 + embedding 的 CSV | --input-folder、--output-csv（必填）、--dry-run |
compare | 兩張圖與閾值，輸出距離與是否同人 | --image1、--image2、--threshold（必填）、--dry-run |
含攝影機或讀圖的流程皆可加 `--dry-run`：不開相機、不讀實檔，只驗證參數與流程。
指令範例（複製即用）
列出說明（JSON）：
fnet --json embedding help拍照 embedding、可選 CSV：
fnet --json --workspace . embedding capture
fnet --json --workspace . embedding capture --output-csv single_embedding.csv拍照與資料庫比對：
fnet --json --workspace . embedding find --database-csv face_embeddings_database.csv --threshold 1.0資料夾批次：
fnet --json --workspace . embedding images --input-folder face_images --output-csv batch_result.csv兩張圖比對：
fnet --json embedding compare --image1 ./a.jpg --image2 ./b.jpg --threshold 1.2Dry-run（不碰相機／實圖）：
fnet --json embedding capture --dry-run
fnet --json embedding find --dry-run
fnet --json embedding images --input-folder face_images --output-csv out.csv --dry-run
fnet --json embedding compare --image1 a.jpg --image2 b.jpg --threshold 1.2 --dry-runJSON 輸出與解析
- 加上
--json時，stdout 為 單一 JSON 物件（ensure_ascii=False，可能含中文）。 embedding help固定含"ok": true、"group": "embedding"、"commands": [...]。- 其餘子命令回傳結構由 `cli_anything/facenet/core/recognition.py` 與 backend 決定；常見欄位包含
ok、錯誤時的訊息、成功時的payload（例如距離、姓名、is_same_person等）。 - Agent 應 只解析 stdout；若需除錯再請使用者提供 stderr 或終端機完整輸出。
測試（給 agent／維護者）
uv run pytest -v --tb=no cli_anything/facenet/tests/若需強制走「已安裝的 fnet 可執行檔」路徑（而非 python -m）：
- cmd：
set CLI_ANYTHING_FORCE_INSTALLED=1 - PowerShell：
$env:CLI_ANYTHING_FORCE_INSTALLED=1
然後執行 uv run pytest -v -s --tb=no cli_anything/facenet/tests/test_full_e2e.py。
疑難排解指引
| 狀況 | 建議 |
|---|---|
找不到 fnet | uv pip install git+https://github.com/mz038197/facenet-cli.git 或 uv tool install git+https://github.com/mz038197/facenet-cli.git；本機開發用 uv pip install -e .；或改用 uv run python -m cli_anything.facenet |
| 拍照失敗 | 檢查攝影機權限、裝置索引、OpenCV／驅動；先用 embedding capture --dry-run |
| 依賴／建置錯誤（如 Pillow） | 專案要求 Python ≥3.13；鎖檔為 uv.lock，請用相容版本的 Pillow／wheel，必要時調整 pyproject.toml 後 uv lock |
| 比對找不到人名 | 確認 --database-csv 路徑與內容格式與後端預期一致 |
程式碼導覽（必要時再讀檔）
- 入口：
cli_anything/facenet/cli.py（Click 定義） - 流程：
cli_anything/facenet/core/recognition.py - 執行後端：
cli_anything/facenet/utils/backend.py、embedded_backend.py
Related skills
Microsoft FoundryDeploy, evaluate, and continuously improve Microsoft Foundry agents from a single agent interface.490k1.3k
Ai Research ReproductionOrchestrate trustworthy, auditable reproduction of deep learning repositories directly from their READMEs.176k511Run TrainSafely execute selected deep learning training commands with standardized evidence capture.176k511Explore RunSafely run isolated exploratory experiments with clear recording and conservative selection before committing changes.176k511Paper Context ResolverFetch precise reproduction-critical details like dataset splits, preprocessing steps, or evaluation protocols from the original academic paper when the repo README leav141k511Repo Intake And PlanScan unfamiliar AI research repositories and receive a minimal, trustworthy reproduction target before investing significant time.140k511