insight_face_pro

tensorflow, mxnet 版本的 insight_face 人脸识别项目 2020-07-23

• 论文地址
• 论文对应源码地址
• 我的 CSDN 博客
• 环境依赖(其实版本要求并不严格，你的版本要是能跑起来，那也是OK的)：

pip install easydict
pip install numpy==1.16
conda install tensorflow-gpu==1.12.0
pip install mxnet-cu90
pip install opencv-python

• 训练和验证数据下载地址
• 预训练模型下载地址
• All face images are aligned by MTCNN and cropped to 112x112
• Face Detection, Please check RetinaFace(我的代码中没加入有, 但在作者源码中有) for more details
• 将数据放到指定的文件目录下(config.py 文件):
• 其实，做好依赖，拿到数据，就仔细看看 config.py 文件，里面全是配置。配好路径或一些超参，基本上，后面就是一键运行就 OK 了。
• 对 config.py 进行配置设置。

数据生成

• 对于模型的训练或验证，我们都需要数据，这些数据，可以去下载开源的，也可以自己制作。
• 这里对于制作人脸数据，我使用的是数据蒸馏的方法。
• data_distillation.py 图原图进行人脸检测，人脸分类，人脸聚类等操作
• prepare.py 对分类或聚类后的人脸数据生成 .bin, .rec, .idx 等数据
• video_2_image.py 是将 视频流 转为 图像流

训练模型

• face_train.py 人脸识别训练

模型验证

• verification_model.py 人脸识别模型验证
• 对于模型测试，想弄的话，也很简单，利用数据库保存录入人的信息
• 测试的初始化，就将初始化 128 维人脸特征保存到缓存
• 当新的图像进入，先人脸检测，人脸矫正，再提取 128 维人脸特征
• 之后，再将新图像的 128 维特征 与 缓存的 128 维特征进行相似度计算
• 最后，选择大于阈值的人脸结果，再根据缓存获取到该用户的信息

本项目的优点

• 就是方便，很多东西，我已经做成傻瓜式一键操作的方式。里面的路径，如果不喜欢用相对路径的，可以在 config.py 里面选择 绝对路径
• 本人和唠叨，里面的代码，基本都做了注解，就怕有人不理解，不懂，我只是希望能给予不同的你，一点点帮助。