本文介绍了如何利用FaceNet模型计算人脸之间的距离，通过128维特征向量的欧氏距离判断人脸是否属于同一人。环境为macOS和Python 3.6.3，使用TensorFlow 1.3.0。提供了获取模型文件的方法和计算人脸距离的Python代码逻辑，包括图片尺寸要求和预训练模型路径。实验结果显示，不同人脸的Distance值较高，而相同人脸或同一图片的Distance值接近0。
引
2015年Google的研究人员发表了一篇论文：FaceNet: A Unified Embedding for Face Recognition and Clustering，是关于人脸识别的，他们训练一个网络来得到人脸的128维特征向量，从而通过计算特征向量之间的欧氏距离来得到人脸相似程度。在LFW上面取得了当时最好的成绩，识别率为99.63%。
传统的基于CNN的人脸识别方法为：利用CNN的siamese网络来提取人脸特征，然后利用SVM等方法进行分类。而这篇文章中他们提出了一个方法系统叫作FaceNet，它直接学习图像到欧式空间上点的映射，其中呢，两张图像所对应的特征的欧式空间上的点的距离直接对应着两个图像是否相似。
如上图所示，直接得出不同人脸图片之间的距离，通过距离就可以判断是否是同一个人，阈值大概在1.1左右。
而现在我要做的，就是用训练好的模型文件，实现任意两张人脸图片，计算其FaceNet距离。然后就可以将这个距离用来做其他的事情了。
环境
- macOS 10.12.6
- Python 3.6.3
- TensorFlow 1.3.0
实现
模型文件
首先我们需要训练好的模型文件，这个可以在
最低0.47元/天 解锁文章
扫一扫
5614
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
