insightface

最新推荐文章于 2025-10-31 14:10:34 发布

原创最新推荐文章于 2025-10-31 14:10:34 发布 · 1.6k 阅读

CC 4.0 BY-SA版权

博客介绍了命令行解析模块的使用，包括创建对象、读入命令行参数，说明了各参数如name or flags、default等的作用。还提及载入人脸识别和年龄性别模型的路径，解析命令行后加载模型、读取图片获取特征，最后计算并显示特征差值和矩阵乘积的值。

import face_model
import argparse
import cv2
import sys
import numpy as np

parser = argparse.ArgumentParser(description='face model test')
# general
parser.add_argument('--image-size', default='112,112', help='')
parser.add_argument('--model', default='', help='path to load model.')
parser.add_argument('--ga-model', default='', help='path to load model.')
parser.add_argument('--gpu', default=0, type=int, help='gpu id')
parser.add_argument('--det', default=0, type=int, help='mtcnn option, 1 means using R+O, 0 means detect from begining')
parser.add_argument('--flip', default=0, type=int, help='whether do lr flip aug')
parser.add_argument('--threshold', default=1.24, type=float, help='ver dist threshold')
args = parser.parse_args()

model = face_model.FaceModel(args)
img = cv2.imread('Tom_Hanks_54745.png')
img = model.get_input(img)
#f1 = model.get_feature(img)
#print(f1[0:10])
gender, age = model.get_ga(img)
print(gender)
print(age)
sys.exit(0)
img = cv2.imread('/raid5data/dplearn/megaface/facescrubr/112x112/Tom_Hanks/Tom_Hanks_54733.png')
f2 = model.get_feature(img)
dist = np.sum(np.square(f1-f2))
print(dist)
sim = np.dot(f1, f2.T)
print(sim)
#diff = np.subtract(source_feature, target_feature)
#dist = np.sum(np.square(diff),1)

import face_model
import argparse
import cv2
import sys
import numpy as np

导入命令行解析模块

parser = argparse.ArgumentParser(description='face model test')

创建对象
将括号内的内容赋值给parser

parser.add_argument('--image-size', default='112,112', help='')
parser.add_argument('--model', default='', help='path to load model.')
parser.add_argument('--ga-model', default='', help='path to load model.')
parser.add_argument('--gpu', default=0, type=int, help='gpu id')
parser.add_argument('--det', default=0, type=int, help='mtcnn option, 1 means using R+O, 0 means detect from begining')
parser.add_argument('--flip', default=0, type=int, help='whether do lr flip aug')
parser.add_argument('--threshold', default=1.24, type=float, help='ver dist threshold')

parser.add_argument 读入命令行参数。
name or flags :必须的参数，包括有选项参数或者是位置参数，例如'--image-size'即为选项参数。在终端时需要输入别名以及对应的值。
default：当你没有在终端输入参数值时，需要用到默认值，由这个参数确定，默认为None。
help：使用这个参数描述选项作用。
type：使用这个参数，转换输入参数的具体类型，这个参数可以关联到某个自定义的处理函数，这种函数通常用来检查值的范围，以及合法性。

图片尺寸为112*112
载入模型model（人脸识别）的路径
载入模型ga-model（年龄性别）的路径
gpu id = 0 ，且必须为整数
det = 0，必须为整数，1表示使用R+0，0表示从新检测
flip = 0
threshold = 1.24

args = parser.parse_args()

解析程序的命令行

model = face_model.FaceModel(args)
img = cv2.imread('Tom_Hanks_54745.png')
img = model.get_input(img)

加载人脸识别模型，读取图片，模型加载图片

#f1 = model.get_feature(img)
#print(f1[0:10])

获取并且输出特征

gender, age = model.get_ga(img)
print(gender)
print(age)
sys.exit(0)

加载性别年龄模型。显示性别和年龄。正常退出。

img = cv2.imread('/raid5data/dplearn/megaface/facescrubr/112x112/Tom_Hanks/Tom_Hanks_54733.png')
f2 = model.get_feature(img)

读取图片并获取特征值

dist = np.sum(np.square(f1-f2))
print(dist)
sim = np.dot(f1, f2.T)
print(sim)
#diff = np.subtract(source_feature, target_feature)
#dist = np.sum(np.square(diff),1)

计算并显示f1和f2的差值

计算并显示f1和f2的矩阵乘积的值