人脸识别0-01:insightFace-模型复现-史上最全
以下链接是个人关于insightFace所有见解,如有错误欢迎大家指出,我会第一时间纠正,如有兴趣可以加微信:17575010159 相互讨论技术。
人脸识别0-00:insightFace目录:https://blog.csdn.net/weixin_43013761/article/details/99646731:
这是本人项目的源码:https://github.com/944284742/1.FaceRecognition
其中script目录下的文件为本人编写,主要用于适应自己的项目,可以查看该目录下的redeme文件。
资源链接
论文链接:https://arxiv.org/abs/1801.07698
insightFace (Mxnet源码):https://github.com/deepinsight/insightface
模型下载
在下载到源码之后,不必多说,首先阅读的是README.md文件。相信大家也很想看看insightFace成型之后的效果是什么样子,下面是其预训练模型的网址:
https://github.com/deepinsight/insightface/wiki/Model-Zoo
本人现在的模型是其中的:3.4 MobileFaceNet,ArcFace@ms1m-refine-v1
下载完成之后放到源码的models目录下。
完成之后,在使用他进行预训练之前,当然需要测试一下,看看该模型到底到底怎样。既然要进行测试,那么当然我们需要下载测试的数据,作者已经提供了很多数据。
数据下载链接:https://github.com/deepinsight/insightface/wiki/Dataset-Zoo
本人使用的是其中的:MS1M-ArcFace (85K ids/5.8M images) [5,7] (Recommend)
其实,下载任意一个都可以,因为都包含了4个测试数据集:lfw.bin,cfp_fp.bin,cfp_ff.bin,agedb_30.bin
下载完成之后,解压之后如下:
后续会给大家讲解验证集数据的制作过程,即.bin文件的制作过程。
模型测试
模型的测试十分的简单,运行源码\recognition\eval\verification.py即可。当然在运行之前需要指定一些参数,本人设置如下,可做参考:
parser.add_argument('--data-dir', default='D:/03.work/02.development/04.PaidOn/1.FaceRecognition/2.Dataset/1.OfficialData/1.traindata/faces_ms1m_112x112', help='')parser.add_argument('--model', default='../../models/model-y1-test2/model,0', help='path to load model.')parser.add_argument('--target', default='lfw,cfp_ff,cfp_fp,agedb_30', help='test targets.')
然后运行就可以了,运行结果类似如下:
testing verification..
(11096, 128)
infer time 86.28535400000017
[lfw]XNorm: 11.154407
[lfw]Accuracy: 0.00000+-0.00000
[lfw]Accuracy-Flip: 0.99495+-0.00194
Max of [lfw] is 0.99495testing verification..
(14000, 128)
infer time 111.94842500000017
[cfp_ff]XNorm: 11.125648
[cfp_ff]Accuracy: 0.00000+-0.00000
[cfp_ff]Accuracy-Flip: 0.99514+-0.00273
Max of [cfp_ff] is 0.99514testing verification..
(14000, 128)
infer time 105.0167779999998
[cfp_fp]XNorm: 9.226305
[cfp_fp]Accuracy: 0.00000+-0.00000
[cfp_fp]Accuracy-Flip: 0.88614+-0.02141
Max of [cfp_fp] is 0.88614testing verification..
(12000, 128)
infer time 80.55722499999989
[agedb_30]XNorm: 11.045681
[agedb_30]Accuracy: 0.00000+-0.00000
[agedb_30]Accuracy-Flip: 0.95600+-0.01230
Max of [agedb_30] is 0.95600
可以看到,我们使用小型的MobileFaceNets,其准确率都是非常高的。
人脸识别0-01:insightFace-模型复现-史上最全相关推荐
- 人脸识别0-03:insightFace-测试集数据制作-史上最全
以下链接是个人关于insightFace所有见解,如有错误欢迎大家指出,我会第一时间纠正,如有兴趣可以加QQ:17575010159 相互讨论技术. 人脸识别0-00:insightFace目录:ht ...
- 史上最全系列 | 大数据框架知识点汇总(资源分享、还不快拿去)
前言 大家好,我是土哥 写文章整整 五个月 了,在这期间写了很多篇高质量文章,每一篇都在 1000+ 阅读以上,为了让各位小伙伴更好的学习和面试,我将自己 发表的文章 以及 未发表的文章 全部汇总成一 ...
- 人脸识别2:InsightFace实现人脸识别Face Recognition(含源码下载)
人脸识别2:InsightFace实现人脸识别Face Recognition(含源码下载) 目录 人脸识别2:InsightFace实现人脸识别Face Recognition(含源码下载) 1. ...
- CV之FRec之ME/LF:人脸识别中常用的模型评估指标/损失函数(Triplet Loss、Center Loss)简介、使用方法之详细攻略
CV之FRec之ME/LF:人脸识别中常用的模型评估指标/损失函数(Triplet Loss.Center Loss)简介.使用方法之详细攻略 目录 T1.Triplet Loss 1.英文原文解释 ...
- 人脸识别0-02:insightFace-模型训练与训练数据制作-史上最全
以下链接是个人关于insightFace所有见解,如有错误欢迎大家指出,我会第一时间纠正,如有兴趣可以加QQ:944284742相互讨论技术. 人脸识别0-00:insightFace目录:https ...
- 人脸识别:01)快速搭建一个人脸门禁打卡系统,支持戴口罩识别
前言 本系统基于SSD模型和dlib库,SSD模型用于人脸检测,dlib用于人脸识别.为了便于在CPU服务器上运行,都用了最小的模型,所有权重文件共34MB. git地址:https://github ...
- 行人重识别0-00:DG-Net(ReID)-目录-史上最新无死角讲解
接下来,我会为大家无死角的解析DG-Net(行人重识别ReID),之前的文章,如人脸识别: 人脸识别0-00:insightFace-目录-史上最全 以及图片生成与合成: 风格迁移0-00:style ...
- Vue2.0史上最全入坑教程(中)—— 脚手架代码详解
2019独角兽企业重金招聘Python工程师标准>>> 书接上文我们说道,如何利用脚手架(vue-cli)构建一个vue项目,本回书我们一起来学习分析下代码. 回顾下创建后的项目目录 ...
- 【史上最全】如何建立模型
** [史上最全]如何建立模型 ** 战略性资源 学习:构建一颗知识树 提炼概念 建立连接 结构分析 纵向拆解 横向拆解 加强连接 每个人都有天生的学习能力,所以都能学习 -- 但是学习了如何学习,能 ...
最新文章
- ThinkPHP 中M方法和D方法的具体区别
- Spring框架中的设计模式(三)
- WCF和ASP.NET Web API在应用上的选择
- python莫比乌斯_莫比乌斯函数 - osc_7eqzxl4g的个人空间 - OSCHINA - 中文开源技术交流社区...
- 安兔兔发布9月份Android性能榜:855霸榜,华为竟垫底
- 【免费】某平台3980元大数据课程免费下载,仅此1次
- 从0开始构建自己的前端知识体系-JS-事件-键盘事件总结
- Sentiment Analysis情感分析——珍藏版
- 我的世界Java版最大村庄_《我的世界》MC中最大的村庄种子,PC和PE都可以用
- 第一章 汇编语言和汇编指令
- php调用pdf虚拟打印机,window_在Win7系统中怎么安装PDF彩色虚拟打印机?,前面说过,Word不能直接将文档 - phpStudy...
- buu firmware
- 深入了解计算机系统——实验二(Data Lab)(详解)
- bazel 的安装与卸载
- docker启动es报错:failed to obtain node locks...
- 工程机械液压系统的组成及功能概述
- IntelliJ IDEA中文网
- Hashed password with salted value——利用salt对密码进行散列
- 软考倒计时!这些事情不做没办法进考场!
- 吐槽memoQ | 实时预览能不能更强大?