FaceNet使用记录 - 我的人脸识别学习笔记02

即使是用别人的东西也花了好大的气力。

首先贴上FaceNet的github davidsandberg/facenet 论文

为什么是FaceNet?

机器环境
老板给的机器已经配好了 TensorFlow + Cuda, FaceNet所需的环境正好是这个 √
社区资源
Github上使用FaceNet进行二次开发的样例非常多
例如:shanren7 bearsprogrammer
识别率和预处理模型的提供
FaceNet提供的预处理模型在LFW测试数据集上的准确度已经达到了99.65%,并且提供了分别以 CASIA-WebFace 和 VGGFace2 为训练集的预处理模型.
功能性
人脸识别主要有两块，一个是对脸的识别，另一个是对人物的ID的识别.FaceNet在这两个功能上都有很好的完成度

FaceNet的基本使用(此节主要借鉴facenet的wiki)

此处已经默认装好了相关Python库以及Tensorflow

1. 克隆 FaceNet 的 Github 库

git clone https://github.com/davidsandberg/facenet.git

2. 比对两个人脸的欧式距离

FaceNet是采用CNN神经网络将人脸图像映射到128维的欧几里得空间，我们可以根据两幅人像的欧几里得距离去判断两个人像的相似程度。两个人像之间的欧几里得距离越近，说明它们越相似。一般欧式距离小于1,就可以认为是同一个人。
None

python compare.py models\20170511-185253\20170511-185253 Cate_Blanchett_0001.png  Cate_Blanchett_0002.png

3. 训练自己的数据

训练集的结构

训练集的结构如下，每个人都有独立的文件夹

    Aaron_Eckhart_0001.jpg

Aaron_Guiel
    Aaron_Guiel_0001.jpg

Aaron_Patterson
    Aaron_Patterson_0001.jpg

Aaron_Peirsol
    Aaron_Peirsol_0001.jpg
    Aaron_Peirsol_0002.jpg
    Aaron_Peirsol_0003.jpg
    Aaron_Peirsol_0004.jpg
    ...

剪切出人脸

FaceNet 提供了使用 MTCNN 对齐人脸的脚本代码如下

python src/align/align_dataset_mtcnn.py \
~/datasets/my_dataset/origin \
~/datasets/my_dataset/train \
--image_size 182 \
--margin 44

加速多线程版：

for N in {1..4}; do \
python src/align/align_dataset_mtcnn.py \
~/datasets/my_dataset/origin \
~/datasets/my_dataset/train \
--image_size 182 \
--margin 44 \
--random_order \
--gpu_memory_fraction 0.25 \
& done

训练.pkl

python src/classifier.py TRAIN ~/datasets/my_dataset/train/ ~/models/model-20170216-091149.pb ~/models/my_classifier.pkl --batch_size 1000

测试

python src/classifier.py CLASSIFY ~/datasets/my_dataset/test/ ~/models/model-20170216-091149.pb ~/models/my_classifier.pkl --batch_size 1000

后记

既然已经大概了解FaceNet怎么用了，就要开始真正的魔改应用之路了！下回见分晓。

Breakertt Blog