Insightface测试Megaface流程!

最新推荐文章于 2025-11-29 15:50:11 发布

原创

最新推荐文章于 2025-11-29 15:50:11 发布 · 1.7k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#insightface #megaface

本文介绍了如何使用Insightface库对Megaface和Facescrub数据集进行人脸对齐、特征提取、数据清理以及进行 Megaface 测试的详细过程。涉及的关键步骤包括数据预处理、模型应用以及测试结果分析。测试结果显示，在扣除特定影响因素后，Rank-1准确率可达83.97%。

https://blog.youkuaiyun.com/jmu201521121021/article/details/81151758#commentBox

insightface github地址： https://github.com/deepinsight/insightface
megaface database地址： http://megaface.cs.washington.edu/

一、简介
insightface 测试megaface数据集的流程：
对megaface和 facescrub数据集中的人脸对齐
提取megaface和facescrub中对齐后人脸的特征
移除megaface和facescrub中不干净的数据特征
进行megaface测试
二、环境准备
mxnet-cu80
tensorflow
openCV2.4
三、具体步骤
1.对megaface和 facescrub数据集中的人脸对齐
cd $INSIGHTFACE_ROOT/src/align/

# 由于facescrub中的部分图片没有后缀，所以要修改图片的名称。

python align_facescrub.py --input-dir='你的facescrubs数据地址' --output-dir='对齐后保存结果地址'

# align megaface

python align_megaface.py --input-dir=你的megaface数据地址' --name=' megaface' --output-dir='对齐后保存结果地址'

(本人在跑此步骤时,没有跑align_facescrub.py,整理facescrub数据集时,一直没有成功,问题有以下几点1.有些图片没有图片后缀2.图片，文件夹里有空格3.有些.jpg实际非图片,最终采用了megaface官网提供的对其好的facescrub数据集)

2.提取megaface和 facescrub对齐后的人脸特征
cd $INSIGHTFACE_ROOT/src/megaface

# gen_mefaface.py中需要修改变量：

# parser.add_argument('--model', type=str, help='', default='../model/spherefacei-s60-p0_15_96_112_0,95') ../model/spherefacei-s60-p0_15_96_112_0代表模型的地址和开头， 95代表第95个保存的模型

# megaface_out = '/raid5data/dplearn/megaface/MegaFace_Features' #输出特征的指定地址

# facescrub_out = '/raid5data/dplearn/megaface/FaceScrub_Features'

# megaface_lst = "/raid5data/dplearn/mega