## Facenet：人脸识别模型在Keras当中的实现
---
## 目录
1. [性能情况 Performance](#性能情况)
2. [所需环境 Environment](#所需环境)
3. [注意事项 Attention](#注意事项)
4. [文件下载 Download](#文件下载)
5. [预测步骤 How2predict](#预测步骤)
6. [训练步骤 How2train](#训练步骤)
7. [参考资料 Reference](#Reference)
## 性能情况
| 训练数据集 | 权值文件名称 | 测试数据集 | 输入图片大小 | accuracy |
| :-----: | :-----: | :------: | :------: | :------: |
| CASIA-WebFace | [facenet_mobilenet.h5](https://github.com/bubbliiiing/facenet-keras/releases/download/v1.0/facenet_mobilenet.h5) | LFW | 160x160 | 97.86% |
| CASIA-WebFace | [facenet_inception_resnetv1.h5](https://github.com/bubbliiiing/facenet-keras/releases/download/v1.0/facenet_inception_resnetv1.h5) | LFW | 160x160 | 99.02% |
## 所需环境
tensorflow-gpu==1.13.1
keras==2.1.5
## 文件下载
已经训练好的facenet_mobilenet.h5和facenet_inception_resnetv1.h5可以在百度网盘下载。
链接: https://pan.baidu.com/s/19tUjcBtC_5VlBqktFG_z0w 提取码: iq26
训练用的CASIA-WebFaces数据集以及评估用的LFW数据集可以在百度网盘下载。
链接: https://pan.baidu.com/s/1fhiHlylAFVoR43yfDbi4Ag 提取码: gkch
## 预测步骤
### a、使用预训练权重
1. 下载完库后解压，在model_data文件夹里已经有了facenet_mobilenet.h5，可直接运行predict.py输入：
```python
img\1_001.jpg
img\1_002.jpg
```
2. 也可以在百度网盘下载facenet_inception_resnetv1.h5，放入model_data，修改facenet.py文件的model_path后，输入：
```python
img\1_001.jpg
img\1_002.jpg
```
### b、使用自己训练的权重
1. 按照训练步骤训练。
2. 在facenet.py文件里面，在如下部分修改model_path和backbone使其对应训练好的文件；**model_path对应logs文件夹下面的权值文件，backbone对应主干特征提取网络**。
```python
_defaults = {
"model_path" : "model_data/facenet_mobilenet.h5",
"input_shape" : [160,160,3],
"backbone" : "mobilenet"
}
```
3. 运行predict.py，输入
```python
img\1_001.jpg
img\1_002.jpg
```
## 训练步骤
1. 本文使用如下格式进行训练。
```
|-datasets
|-people0
|-123.jpg
|-234.jpg
|-people1
|-345.jpg
|-456.jpg
|-...
```
2. 下载好数据集，将训练用的CASIA-WebFaces数据集以及评估用的LFW数据集，解压后放在根目录。
3. 在训练前利用txt_annotation.py文件生成对应的cls_train.txt。
4. 利用train.py训练facenet模型，训练前，根据自己的需要选择backbone，model_path和backbone一定要对应。
5. 运行train.py即可开始训练。
## 评估步骤
1. 下载好评估数据集，将评估用的LFW数据集，解压后放在根目录
2. 在eval_LFW.py设置使用的主干特征提取网络和网络权值。
3. 运行eval_LFW.py来进行模型准确率评估。
## Reference
https://github.com/davidsandberg/facenet
https://github.com/timesler/facenet-pytorch
基于深度学习FaceNet算法的人脸识别考勤系统后端部分Python源码+项目说明（人脸录入，人脸识别，考勤管理，课堂管理，班级管理，日志管理等功能）.zip （49个子文件） 
code_30312 
txt_annotation.py 822B eval_LFW.py 3KB main.py 528B LICENSE 1KB predict.py 677B utils __init__.py 1B utils_metrics.py 4KB callbacks.py 4KB __pycache__ __init__.cpython-39.pyc 124B utils_metrics.cpython-39.pyc 3KB callbacks.cpython-39.pyc 5KB nets __init__.py 1B facenet_training.py 11KB facenet.py 2KB __pycache__ mobilenet.cpython-39.pyc 2KB inception_resnetv1.cpython-39.pyc 4KB facenet_training.cpython-39.pyc 8KB __init__.cpython-39.pyc 123B facenet.cpython-39.pyc 1KB inception_resnetv1.py 7KB mobilenet.py 4KB model_data 
roc_test.png 30KB facenet_mobilenet.h5 13.02MB
lfw_pair.txt 152KB .idea DeepLearning.iml 392B misc.xml 192B inspectionProfiles profiles_settings.xml 174B modules.xml 276B .gitignore 206B 常见问题汇总.md 35KB img 
3_1.jpg 5KB 1_001.jpg 2KB 3_2.jpg 25KB 4_1.jpg 3KB 1_002.jpg 2KB 4_2.jpg 3KB 2_001.jpg 2KB summary.py 456B sql.py 2KB facenet.py 5KB requirements.txt 145B triplet_loss_test.py 873B logs README.md 37B lfw README.md 18B .gitignore 14B cls_train.txt 19.79MB train.py 11KB __pycache__ facenet.cpython-39.pyc 3KB README.md 3KB资源评论
