## 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
没有合适的资源?快使用搜索试试~ 我知道了~
竞赛资料源码-基于深度学习的人脸识别考勤系统,具备基础的人脸录入,人脸识别,考勤管理,课堂管理,.zip
共49个文件
py:17个
pyc:9个
jpg:7个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 30 浏览量
2024-02-06
16:56:28
上传
评论 1
收藏 13.15MB ZIP 举报
温馨提示
【目标受众】: 本项目适合IT相关专业各种计算机技术的源代码和项目资料,如计科、人工智能、通信工程、自动化和电子信息等的在校学生、老师或者企业员工下载使用。 也适合小白学习进阶,可以用作比赛项目、可以进行项目复刻去参加同赛道比赛。 【资源内容】: 源码与竞赛资料:教育部认可的大学生竞赛备赛资料代码、源码、竞赛总结。 功能与质量保证:这个资源库是一个宝贵的学习平台,有助于他们深入了解计算机技术的原理和应用。这些源码经过测试和验证,可以直接运行,方便学生快速上手并开始实践。 【应用场景】: 竞赛准备:适用于各种教育部认可的竞赛,如全国电子设计大赛、全国大学生智能汽车竞赛等,他们可以借助这些资料了解竞赛的规则、要求和技巧。 学习与项目开发:可以用作毕设、课设、作业和竞赛项目的开发基础,可以使用这些源码作为项目开发的基础,快速构建出具有竞争力的作品。 【互动与交流】: 资料鼓励下载和使用这些资源,并欢迎学习者进行沟通交流、互相学习、共同进步。这种互动式的学习方式有助于形成良好的学习氛围,促进知识的共享和传播,为计算机相关专业的学习者提供了一个全面的学习和发展平台。
资源推荐
资源详情
资源评论
收起资源包目录
(后端Python)本科毕业设计-基于深度学习的人脸识别考勤系统,具备基础的人脸录入,人脸识别,考勤管理,课堂管理,.zip (49个子文件)
资料总结
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
共 49 条
- 1
资源评论
妄北y
- 粉丝: 1w+
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功