1.簡(jiǎn)介：facenet 是基于 TensorFlow 的人臉識(shí)別開(kāi)源庫(kù)，有興趣的同學(xué)可以扒扒源代碼：

https://github.com/davidsandberg/facenet

2.安裝和配置 facenet

我們先將 facenet 源代碼下載下來(lái)：

git clone https://github.com/davidsandberg/facenet.git

在使用 facenet 前，務(wù)必安裝下列這些庫(kù)包：

或者直接移動(dòng)到 facenet 目錄下，一鍵安裝

pip install -r requirements.txt

3.下載 LFW 數(shù)據(jù)集

LFW 是由美國(guó)馬薩諸塞大學(xué)阿姆斯特分校計(jì)算機(jī)視覺(jué)實(shí)驗(yàn)室整理的。它包含13233張圖片，共5749人，其中4096人只有一張圖片，1680人的圖片多余一張，每張圖片尺寸是250x250 。

下載地址：http://vis-www.cs.umass.edu/lfw/ ->Menu->Download->All images as gzipped tar file

下載完成后，我們將文件解壓到 facenet/data/lfw_data/lfw 目錄下（沒(méi)有的話自己建個(gè)目錄），在 lfw_data 目錄下新建一個(gè)目錄 lfw_160，用來(lái)存放裁剪后圖片。

4.對(duì)圖像進(jìn)行預(yù)處理

因?yàn)槌绦蛑猩窠?jīng)網(wǎng)絡(luò)使用的是谷歌的“inception resnet v1”網(wǎng)絡(luò)模型，這個(gè)模型的輸入時(shí)160*160的圖像，而我們下載的LFW數(shù)據(jù)集是250*250限像素的圖像，所以需要進(jìn)行圖片的預(yù)處理。

運(yùn)行 facenet/src/align/align_dataset_mtcnn.py 來(lái)修改圖片尺寸大小，加入下列參數(shù)

facenet/data/lfw_data/lfw         　　　　　　 #輸入圖像文件夾
facenet/data/lfw_data/lfw_160     　　　　　　　　  #輸出圖像文件夾
--image_size 160 --margin 32 --random_order--gpu_memory_fraction 0.25  　　　　#指定裁剪后圖像大?。ㄈ绻恢付?，默認(rèn)的裁剪結(jié)果是182*182像素的）

即

python align_dataset_mtcnn.py facenet/data/lfw_data/lfw facenet/data/lfw_data/lfw_160 --image_size 160 --margin 32 --random_order--gpu_memory_fraction 0.25 

如果用的是 pycharm，可以在 RUN -> Edit Configurations 下添加參數(shù)信息，然后運(yùn)行 align_dataset_mtcnn.py 文件：

**這里自己運(yùn)行的時(shí)候一直報(bào)錯(cuò)提示：No module named 'align'

將 align_dataset_mtcnn.py 移動(dòng)至 src 文件夾下再運(yùn)行就不會(huì)報(bào)錯(cuò)了。

校準(zhǔn)后圖像大小即變?yōu)?60 x 160 。

5.評(píng)估 Google 預(yù)訓(xùn)練模型在數(shù)據(jù)集中的準(zhǔn)確性

facenet提供了兩個(gè)預(yù)訓(xùn)練模型，分別是基于CASIA-WebFace和 VGGFace2人臉庫(kù)訓(xùn)練的。（由于存儲(chǔ)在 Google 網(wǎng)盤(pán)中，需要 FQ 下載使用）

GitHub 地址：https://github.com/davidsandberg/facenet

這里我采用的是 CASIA-WebFace 預(yù)訓(xùn)練模型，有興趣了解的小伙伴，可以到CASIA-WebFace 官網(wǎng)看看：

http://www.cbsr.ia.ac.cn/english/CASIA-WebFace-Database.html

將下載好的預(yù)訓(xùn)練文件解壓到 facenet/src/models目錄下：

添加參數(shù)

facenet/data/lfw_data/lfw_160 facenet/src/models/20180408-102900

運(yùn)行 validate_on_lfw.py 文件。

這里我剛開(kāi)始運(yùn)行的時(shí)候報(bào)錯(cuò)：

發(fā)現(xiàn)是預(yù)訓(xùn)練模型版本太舊，我們?cè)?facenet 上下載最新的CASIA-WebFace 訓(xùn)練庫(kù)再重新運(yùn)行即可。

運(yùn)行結(jié)果如下：

可以看到識(shí)別精度可以達(dá)到 97.7%，其識(shí)別準(zhǔn)確度還是非常不錯(cuò)的。

但是程序運(yùn)行完以后雖然最終運(yùn)行結(jié)果正確，但是最后卻還是報(bào)了個(gè)錯(cuò)誤：

_2_input_producer: Skipping cancelled enqueue attempt with queue not closed

原因是主線程已經(jīng)關(guān)閉，但是讀取數(shù)據(jù)入隊(duì)線程還在執(zhí)行入隊(duì)。

由于自己對(duì) TensorFlow 線程還不是特別了解，暫時(shí)還沒(méi)有解決這個(gè)問(wèn)題。

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評(píng)論