## Arcface:人脸识别模型在Pytorch当中的实现
---
## 目录
1. [仓库更新 Top News](#仓库更新)
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)
## Top News
**`2022-03`**:**创建仓库,支持不同模型训练,支持大量可调整参数,支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整、新增图片裁剪。**
## 所需环境
pytorch==1.2.0
## 文件下载
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/1qMxFR8H_ih0xmY-rKgRejw 提取码: bcrq
## 预测步骤
### a、使用预训练权重
1. 下载完库后解压,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权值,放入model_data,修改arcface.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arcface.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 = {
#--------------------------------------------------------------------------#
# 使用自己训练好的模型进行预测要修改model_path,指向logs文件夹下的权值文件
# 训练好后logs文件夹下存在多个权值文件,选择验证集损失较低的即可。
# 验证集损失较低不代表准确度较高,仅代表该权值在验证集上泛化性能较好。
#--------------------------------------------------------------------------#
"model_path" : "model_data/arcface_mobilefacenet.pth",
#--------------------------------------------------------------------------#
# 输入图片的大小。
#--------------------------------------------------------------------------#
"input_shape" : [112, 112, 3],
#--------------------------------------------------------------------------#
# 所使用到的主干特征提取网络,与训练的相同
#--------------------------------------------------------------------------#
"backbone" : "arcface_mobilefacenet",
#--------------------------------------#
# 是否进行不失真的resize
#--------------------------------------#
"letterbox_image" : True,
#--------------------------------------#
# 是否使用Cuda
# 没有GPU可以设置成False
#--------------------------------------#
"cuda" : True,
}
```
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。
其中npy文件为使用PRNet预测的人脸3维结构矩阵,存储类型为numpy shape为(3, 112, 112)
```
|-datasets
|-people0
|-123.jpg
|-123.npy
|-234.jpg
|-234.npy
|-people1
|-345.jpg
|-345.npy
|-456.jpg
|-456.npy
|-...
```
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img_pair.py文件生成人脸jpg图片对应的保存了3维结构矩阵的npy文件。
4. 在训练前利用txt_annotation.py文件生成对应的cls_train.txt。
5. 利用train.py训练模型,训练前,根据自己的需要选择backbone,model_path和backbone一定要对应。
6. 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/deepinsight/insightface
https://github.com/timesler/facenet-pytorch
没有合适的资源?快使用搜索试试~ 我知道了~
基于Pytorch实现的利用PRnet获取人脸3D结构辅助人脸识别系统源代码+数据集+模型
共35个文件
py:23个
md:5个
jpg:3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 181 浏览量
2023-08-30
11:31:43
上传
评论
收藏 3.74MB ZIP 举报
温馨提示
所需环境 pytorch==1.2.0 文件下载 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/1qMxFR8H_ih0xmY-rKgRejw 提取码: bcrq 预测步骤 a、使用预训练权重 下载完库后解压,可直接运行predict.py输入: img\1_001.jpg img\1_002.jpg 也可以在百度网盘下载权值,放入model_data,修改arcface.py文件的model_path后,输入: img\1_001.jpg img\1_002.jpg b、使用自己训练的权重 按照训练步骤训练。 在arcface.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
资源推荐
资源详情
资源评论
收起资源包目录
mobileface3D-main.zip (35个子文件)
mobileface3D-main
txt_annotation.py 1KB
eval_LFW.py 3KB
LICENSE 1KB
predict.py 2KB
utils
utils.py 2KB
__init__.py 1B
utils_metrics.py 9KB
dataloader.py 7KB
utils_fit.py 6KB
callback.py 3KB
nets
__init__.py 1B
mobilevit.py 25KB
arcface_training.py 2KB
prnet.py 6KB
mobilefacenet.py 5KB
arcface.py 4KB
mobilenet.py 3KB
iresnet.py 7KB
model_data
arcface_mobilefacenet.pth 3.96MB
lfw_pair.txt 150KB
常见问题汇总.md 36KB
datasets
README.md 15B
eval_CPLFW.py 3KB
img
1_001.jpg 2KB
1_002.jpg 2KB
2_001.jpg 2KB
t-SNE.py 6KB
summary.py 1KB
img_pair.py 2KB
logs
README.md 30B
lfw
README.md 18B
.gitignore 2KB
train.py 18KB
arcface.py 6KB
README.md 4KB
共 35 条
- 1
资源评论
云哲-吉吉2021
- 粉丝: 3220
- 资源: 1130
下载权益
C知道特权
VIP文章
课程特权
开通VIP
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
最新资源
- NeteaseCloudMusic_YYJY_netease_2.9.2.240428155332_.apk
- 1. 将⼀些数据库信息导出为Excel表格 2. 将Excel表格数据导⼊数据库 3. ⼤量的数据的导⼊导出操作
- windows 64位 libiec61850.dll release版本
- 光伏并网发电设计常用软件与计算表.zip
- PY104.py
- windows 64位 libiec61850.dll
- 机械设计新能源元器件剪切折弯设备(sw15可编辑+工程图+bom)非常好的设计图纸100%好用.zip
- TheMonsieurTea.mp3
- 110个工程、电力计算表格和小软件大集合.zip
- winrar安装包(windows x64系统,用于解压rar文件,python用此软件批量解压缩文件)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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