chapter_6.zip_tensorflow_tensorflow 识别_worddss_人脸_人脸识别

### 6. 人脸检测和人脸识别 本节的程序来自于项目https://github.com/davidsandberg/facenet 。 **6.4.1 项目环境设置** 参考6.4.1小节。 **6.4.2 LFW 人脸数据库** 在地址http://vis-www.cs.umass.edu/lfw/lfw.tgz 下载lfw数据集，并解压到~/datasets/中： ``` cd ~/datasets mkdir -p lfw/raw tar xvf ~/Downloads/lfw.tgz -C ./lfw/raw --strip-components=1 ``` **6.4.3 LFW 数据库上的人脸检测和对齐** 对LFW进行人脸检测和对齐： ``` python src/align/align_dataset_mtcnn.py \ ~/datasets/lfw/raw \ ~/datasets/lfw/lfw_mtcnnpy_160 \ --image_size 160 --margin 32 \ --random_order ``` 在输出目录~/datasets/lfw/lfw_mtcnnpy_160中可以找到检测、对齐后裁剪好的人脸。 **6.4.4 使用已有模型验证LFW 数据库准确率** 在百度网盘的chapter_6_data/目录或者地址https://drive.google.com/file/d/0B5MzpY9kBtDVZ2RpVDYwWmxoSUk 下载解压得到4个模型文件夹，将它们拷贝到~/models/facenet/20170512-110547/中。 之后运行代码： ``` python src/validate_on_lfw.py \ ~/datasets/lfw/lfw_mtcnnpy_160 \ ~/models/facenet/20170512-110547/ ``` 即可验证该模型在已经裁剪好的lfw数据集上的准确率。 **6.4.5 在自己的数据上使用已有模型** 计算人脸两两之间的距离： ``` python src/compare.py \ ~/models/facenet/20170512-110547/ \ ./test_imgs/1.jpg ./test_imgs/2.jpg ./test_imgs/3.jpg ``` **6.4.6 重新训练新模型** 以CASIA-WebFace数据集为例，读者需自行申请该数据集，申请地址为http://www.cbsr.ia.ac.cn/english/CASIA-WebFace-Database.html 。获得CASIA-WebFace 数据集后，将它解压到~/datasets/casia/raw 目录中。此时文件夹~/datasets/casia/raw/中的数据结构应该类似于： ``` 0000045 001.jpg 002.jpg 003.jpg …… 0000099 001.jpg 002.jpg 003.jpg …… …… ``` 先用MTCNN进行检测和对齐： ``` python src/align/align_dataset_mtcnn.py \ ~/datasets/casia/raw/ \ ~/datasets/casia/casia_maxpy_mtcnnpy_182 \ --image_size 182 --margin 44 ``` 再进行训练： ``` python src/train_softmax.py \ --logs_base_dir ~/logs/facenet/ \ --models_base_dir ~/models/facenet/ \ --data_dir ~/datasets/casia/casia_maxpy_mtcnnpy_182 \ --image_size 160 \ --model_def models.inception_resnet_v1 \ --lfw_dir ~/datasets/lfw/lfw_mtcnnpy_160 \ --optimizer RMSPROP \ --learning_rate -1 \ --max_nrof_epochs 80 \ --keep_probability 0.8 \ --random_crop --random_flip \ --learning_rate_schedule_file data/learning_rate_schedule_classifier_casia.txt \ --weight_decay 5e-5 \ --center_loss_factor 1e-2 \ --center_loss_alfa 0.9 ``` 打开TensorBoard的命令(<开始训练时间>需要进行替换)： ``` tensorboard --logdir ~/logs/facenet/<开始训练时间>/ ``` #### 拓展阅读 - MTCNN是常用的人脸检测和人脸对齐模型，读者可以参考论文Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks 了解其细节。 - 训练人脸识别模型通常需要包含大量人脸图片的训练数据集，常用 的人脸数据集有CAISA-WebFace（http://www.cbsr.ia.ac.cn/english/CASIA-WebFace-Database.html ）、VGG-Face（http://www.robots.ox.ac.uk/~vgg/data/vgg_face/ ）、MS-Celeb-1M（https://www.microsoft.com/en-us/research/project/ms-celeb-1m-challenge-recognizing-one-millioncelebrities-real-world/ ）、MegaFace（ http://megaface.cs.washington.edu/ ）。更多数据集可以参考网站：http://www.face-rec.org/databases - 关于Triplet Loss 的详细介绍，可以参考论文FaceNet: A Unified Embedding for Face Recognition and Clustering，关于Center Loss 的 详细介绍，可以参考论文A Discriminative Feature Learning Approach for Deep Face Recognition。