目标
训练论文”A Lightened CNN for Deep Face Representation”中的caffe网络。
数据
CASIA-WebFace 可在这里申请。
预处理
获得CASIA-Webface数据集之后,使用tools中的:
- 脚本
addLabeltopic.py将图片的label置为0-10574,并将label加入图片的名字中,如0_001.jpg。 - 脚本
getallfilesInOnedir.py将所有图片复制到某一级目录下,如image/ - 使用code_point中的工具对人脸图片进行标点,其中bbox.txt中指定了固定的人脸位置。
- 可使用show_resulr.m脚本对标点结果进行可视化。
- 根据每个图片样本的标点信息将人脸进行旋转和裁剪,使得样本标准化。
经过上述操作,可以得到10575人的494414张标准化人脸图块。
使用caffe,训练模型
- 生成lmdb数据
- 编写train_test.prototxt和solver.prototxt
- 开始训练!
网络配置
详细配置查看查看我的github项目中prototxt/中的
深度学习:人脸识别CNN网络训练详解

该博客详细介绍了基于Caffe的人脸识别CNN网络训练过程,包括数据预处理、模型训练、网络配置和测试记录。使用CASIA-WebFace数据集进行预处理,生成标准化人脸图块,通过调整学习率进行有效训练,最后在lfw测试集上评估模型性能。
最低0.47元/天 解锁文章
4720

被折叠的 条评论
为什么被折叠?



