FaceNet 人脸比对框架部署+测试

截止到发表这篇博客的时候MTCNN还没训练完，那又有什么关系呢，反正FaceNet已经把转好的MTCNN权重带进去了。

需要环境：可以存为requirements.txt然后用pip安装，最好之前conda一个虚拟环境出来~

# Ubuntu 18.04
absl-py==0.9.0
astor==0.8.1
certifi==2020.4.5.2
cycler==0.10.0
gast==0.3.3
grpcio==1.29.0
importlib-metadata==1.6.1
joblib==0.15.1
kiwisolver==1.2.0
Markdown==3.2.2
matplotlib==3.2.2
numpy==1.16.2
opencv-python==3.4.5.20
Pillow==7.1.2
protobuf==3.12.2
psutil==5.7.0
pyparsing==2.4.7
python-dateutil==2.8.1
scikit-learn==0.23.1
scipy==1.2.1
six==1.15.0
tensorboard==1.9.0
tensorflow==1.9.0
termcolor==1.1.0
threadpoolctl==2.1.0
Werkzeug==1.0.1
zipp==3.1.0

pip install -r requirements.txt

# Anaconda 换源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes

大致步骤就是下载个数据集，然后用FaceNet内置的MTCNN权重识别人脸并且裁剪出来，然后用FaceNet训练好的权重去做一次比对测试。

首先是项目地址：https://github.com/davidsandberg/facenet

#用命令行会快一点
git clone https://github.com/davidsandberg/facenet.git

接下来就是用mtcnn裁剪头像，不要用网上的放到anaconda里面的办法，被坑惨了

进入facenet-master/src/align/ 里面有个align_dataset_mtcnn.py，把这个文件剪切到facenet-master/src/

根本不用其他方法，让facenet.py和align可以导入就OK

然后下载数据：http://vis-www.cs.umass.edu/lfw/lfw.tgz

把数据解压放在 facenet-master/src/datasets/lfw/raw/ 里面，就是把有很多人名那一堆文件夹放这个路径下面

cd facenet-master/src/
python align_dataset_mtcnn.py datasets/lfw/raw datasets/lfw/lfw_mtcnnpy_160 --image_size 160 --margin 32 --random_order

最后下载FaceNet训练好的权重：链接: https://pan.baidu.com/s/1hAK9ylURkbeH52BtSSGWsw 提取码: jf1n

已经有好心人放在百度云上了，直接下载权重就可以。

python validate_on_lfw.py datasets/lfw/lfw_mtcnnpy_160 models/20180408-102900/#测试python src/compare.py ../models/20180408-102900 src/img1.jpg  src/img2.jpg src/img3.jpg#单张测试

准确率99.7%

Model directory: ../models/20180408-102900
Metagraph file: model-20180408-102900.meta
Checkpoint file: model-20180408-102900.ckpt-90
2019-03-25 16:26:52.757322: W T:\src\github\tensorflow\tensorflow\core\graph\graph_constructor.cc:1248] Importing a graph with a lower producer version 24 into an existing graph with producer version 26. Shape inference will have run different parts of the graph with different producer versions.
Runnning forward pass on LFW images
............
Accuracy: 0.97817+-0.00502
Validation rate: 0.83967+-0.03686 @ FAR=0.00133
Area Under Curve (AUC): 0.997
Equal Error Rate (EER): 0.025
2019-03-25 17:05:57.134546: W T:\src\github\tensorflow\tensorflow\core\kernels\queue_base.cc:285] _1_FIFOQueueV2: Skipping cancelled dequeue attempt with queue not closed
2019-03-25 17:05:57.141375: W T:\src\github\tensorflow\tensorflow\core\kernels\queue_base.cc:285] _1_FIFOQueueV2: Skipping cancelled dequeue attempt with queue not closed
2019-03-25 17:05:57.150160: W T:\src\github\tensorflow\tensorflow\core\kernels\queue_base.cc:285] _1_FIFOQueueV2: Skipping cancelled dequeue attempt with queue not closed
2019-03-25 17:05:57.157672: W T:\src\github\tensorflow\tensorflow\core\kernels\queue_base.cc:285] _1_FIFOQueueV2: Skipping cancelled dequeue attempt with queue not closed
2019-03-25 17:05:57.164343: W T:\src\github\tensorflow\tensorflow\core\kernels\queue_base.cc:285] _1_FIFOQueueV2: Skipping cancelled dequeue attempt with queue not closed
2019-03-25 17:05:57.173664: W T:\src\github\tensorflow\tensorflow\core\kernels\queue_base.cc:285] _1_FIFOQueueV2: Skipping cancelled dequeue attempt with queue not closed
2019-03-25 17:05:57.184883: W T:\src\github\tensorflow\tensorflow\core\kernels\queue_base.cc:277] _2_input_producer: Skipping cancelled enqueue attempt with queue not closed
2019-03-25 17:05:57.193215: W T:\src\github\tensorflow\tensorflow\core\kernels\queue_base.cc:285] _1_FIFOQueueV2: Skipping cancelled dequeue attempt with queue not closed
2019-03-25 17:05:57.204908: W T:\src\github\tensorflow\tensorflow\core\kernels\queue_base.cc:285] _1_FIFOQueueV2: Skipping cancelled dequeue attempt with queue not closed

FaceNet 人脸比对框架部署+测试相关推荐

测试框架如何测试私有方法_高效的企业测试–测试框架（5/6）
测试框架如何测试私有方法本系列文章的这一部分将介绍测试框架以及我在何时以及是否应用它们方面的想法和经验. 关于测试框架的想法我对大多数测试框架不太满意的原因是,按照我的观点,它们大多增加了语法上 ...
PyTorch模型部署：pth转onnx跨框架部署详解+代码
文章目录引言基础概念 onnx:跨框架的模型表达标准 onnxruntime:部署模型的推理引擎示例代码 0)安装onnx和onnxruntime 1)pytorch模型转onnx模型 2)on ...
facenet 人脸识别原理理解（三）
在前两篇文章已经介绍了facenet人脸识别代码的使用和具体操作,但相关的原理还是没有说,这篇文章进行简单的讲解一下. 1. 原理在人脸识别中,当我们需要加在图片数据库入新的一张人脸图片时,是怎么做 ...
基于facenet人脸识别设计文档
基于facenet人脸识别设计文档一.概述在Ubuntu系统上,创建人脸库搭建基于facenet的人脸识别库,本文采用Python从百度下载明星照片,通过facenet的检测对齐人脸函数制作人脸库 ...
10个自动化测试框架，测试工程师用起来
快速实现质量是必要的,因此质量保证得到了很多关注.为了满足卓越的质量和更快的上市时间的需求,自动化测试将被优先考虑.对于微型.小型和中型企业(SMEs)来说,自动化自身的测试过程是非常必要的,而最关键 ...
【skywalking 部署测试】
提示:学习记录 skywalking 部署测试概述一.skywalking 基础测试 1. 基于 docker-compose 或二进制部署 SkyWalkingMarkdown 2. 实现单体服 ...
facenet 人脸识别库的搭建和使用方法（二）
上一篇文章介绍了facenet人脸识别的源码使用,这篇文章就来搭建自己的人脸识别库. 1. 制作自己的人脸识别库 1.1 准备数据集通过百度图片爬取一些明星图片为例,这里准备了一个DownloadI ...
聪明的人脸识别3——Pytorch 搭建自己的Facenet人脸识别平台
聪明的人脸识别3--Pytorch 搭建自己的Facenet人脸识别平台学习前言什么是Facenet 源码下载 Facenet的实现思路一.预测部分 1.主干网络介绍 2.根据初步特征获得长度为 ...
华为python自动化测试框架_10个自动化测试框架，测试工程师用起来
摘要:快速实现质量是必要的,因此质量保证得到了很多关注.为了满足卓越的质量和更快的上市时间的需求,自动化测试将被优先考虑.对于微型.小型和中型企业(SMEs)来说,自动化自身的测试过程是非常必要的,而 ...

FaceNet 人脸比对框架部署+测试

FaceNet 人脸比对框架部署+测试相关推荐

最新文章

热门文章

FaceNet 人脸比对框架 部署+测试

FaceNet 人脸比对框架 部署+测试相关推荐

最新文章

热门文章

FaceNet 人脸比对框架部署+测试

FaceNet 人脸比对框架部署+测试相关推荐