一、训练方法说明

官方文档说明

使用浏览器自带的翻译成中文为

// 下一段代码定义了一个 ResNet网络。它基本上是从dnn_imagenet_ex.cpp示例中复制
// 并粘贴的，除了我们将损失// 层替换为
loss_metric 并使网络更小一些。阅读介绍性
// dlib DNN 示例以了解所有这些内容的含义。
//
// 此外，dnn_metric_learning_on_images_ex.cpp示例展示了如何训练此网络。
// 此示例使用的 dlib_face_recognition_resnet_model_v1 模型是使用// 基本上使用
dnn_metric_learning_on_images_ex.cpp 中显示的代码进行训练的，除了
// 小批量变得更大（35x15 而不是 5x5），没有进展的迭代
// 设置为 10000，训练数据集由大约 300 万张图像组成，而不是
// 55。此外，输入层被锁定为大小为 150 的图像。

根据官方说明，dlib_face_recognition_resnet_model_v1.dat文件采用dnn_metric_learning_on_images_ex.cpp训练，只需修改少量参数就能完成人脸训练

二、windows环境训练

1.安装运行环境

参考 Windows下的编译安装dlib（cmake）
如果电脑有英伟达显卡，可以使用cuda编译，训练使用GPU速度能提升几百倍。win10+anaconda+cuda配置dlib，使用GPU对dlib的深度学习算法进行加速（以人脸检测为例）

2.编译与运行

代码下载地址： http://dlib.net/files/dlib-19.22.tar.bz2

# 打开cmd命令行，进入到dnn_metric_learning_on_images_ex.cpp文件所在的目录
cd /d cd /d D:\app\dlib-19.22\examples
# 创建编译目录，并进入所在目录
md build
cd build

# 编译代码
# 代码执行完成后，在examples\build\Release 下存在dnn_metric_learning_on_images_ex.exe文件，表示编译成功，运行次文件可以直接运行此文件训练模型
cmake ..
cmake --build . --config Release

# 训练模型，训练使用的是官方提供的测试文件，如果想用自己的数据，只需要把“..\..\johns”改成自己的训练集
# 运行完成后，会在目录生成metric_network_renset.dat文件，此文件就是“dlib_face_recognition_resnet_model_v1.dat”模型
cd Release
dnn_metric_learning_on_images_ex.exe ..\..\johns

三、linux环境训练

1.安装运行环境

由于电脑中显卡不支持虚拟化，所以一下操作没有使用gpu加速

# linux上安装环境比较简单，只需要有C++编译环境就行。
# 直接运行此代码就能安装好运行环境
yum -y install gcc gcc-c++ kernel-devel make cmake

2.编译与运行

# 下载源码
wget http://dlib.net/files/dlib-19.22.zip
#  解压
unzip dlib-19.22.zip
# 进入到对应目录
cd dlib-19.22/examples
#修改文件
#可以使用vi dnn_metric_learning_on_images_ex.cpp在线修改，也可以讲这个文件下载到本地后修改，或者在图形界面中修改# 创建编译目录，并进入所在目录
mkdir build
cd build# 编译代码
# 代码执行完成后，在examples\build\Release 下存在dnn_metric_learning_on_images_ex.exe文件，表示编译成功，运行次文件可以直接运行此文件训练模型
cmake ..
cmake --build . --config Release#训练模型 其中johns为dlib中的测试图片，如果正式训练可以参考这个文件夹的结构
# 运行完成后，会在目录生成metric_network_renset.dat文件，此文件就是“dlib_face_recognition_resnet_model_v1.dat”模型
./dnn_metric_learning_on_images_ex ../johns

四、测试

dlib重新训练dlib_face_recognition_resnet_model_v1.dat相关推荐

【Dlib】使用dlib_face_recognition_resnet_model_v1.dat无法实现微调fune-tuning
1.问题描述 dlib官方使用resnet训练人脸识别,训练了300万的数据,网络参数保存在dlib_face_recognition_resnet_model_v1.dat中. 测试中识别lfw数据 ...
机器学习笔记 - 使用dlib进行训练对猫脸进行识别
数据准备是从猫脸关键点检测大赛下载的猫的数据集,训练集和测试集各上万张图片,不光含有图片,还有标记好的猫脸关键点的数据(用于关键点检测),我们先用图片自行打标记自行识别. 数据集百度网盘下载地址链 ...
python dlib学习（五）：比对人脸
前言在前面的博客中介绍了,如何使用dlib标定人脸(python dlib学习(一):人脸检测),提取68个特征点(python dlib学习(二):人脸特征点标定).这次要在这两个工作的基础之上, ...
python 人脸比对_python dlib学习（五）：比对人脸
前言在前面的博客中介绍了,如何使用dlib标定人脸(python dlib学习(一):人脸检测),提取68个特征点(python dlib学习(二):人脸特征点标定).这次要在这两个工作的基础之上, ...
python+dlib的欧式距离算法进行人脸识别
资源下载地址:https://download.csdn.net/download/sheziqiong/85738944 资源下载地址:https://download.csdn.net/downl ...
java 调用笔记本摄像头拍照_教程：如何使用Java和C++在应用程序中实现面部识别
全文共8470字,预计学习时长25分钟来源:xaecong HOG:梯度方向直方图(histogram of orientedgradients)是一种图片描述符格式,它能够汇总图像(例如人脸)的主 ...
【毕业设计_课程设计】基于opencv、dilb的员工人脸识别考勤系统
文章目录 0 项目说明 1 需求分析 2 总体设计 3 详细设计 4 效果展示 5 实验心得 6 项目源码 7 最后 0 项目说明基于opencv.dilb的员工人脸识别考勤系统提示:适合用于课程 ...
Python处理人脸识别总结
Python处理人脸识别总结 Python完成人脸识别大致分成两个大步骤:训练模型和预测匹配.下面根据这两个关键问题展开描述. 训练模型:将已经处理好的数据集,导入初始化后的模型中进行训练,得到符合我 ...
千万别让老板知道 | Python做个人脸识别考勤系统
人脸识别考勤系统实现思路如下: 下面讲解下核心代码 1. 读摄像头 2. 裁剪人脸 3. 识别面部68个关键点 4. 人脸向量化 5. 人脸对比哈喽大家好,我是王某人. 现在好多公司都用人脸识别实 ...

dlib重新训练dlib_face_recognition_resnet_model_v1.dat

dlib重新训练dlib_face_recognition_resnet_model_v1.dat

一、训练方法说明

二、windows环境训练

1.安装运行环境

2.编译与运行

三、linux环境训练

1.安装运行环境

2.编译与运行

四、测试

dlib重新训练dlib_face_recognition_resnet_model_v1.dat相关推荐

最新文章

热门文章