基于VGG-Face的人脸识别测试

最新推荐文章于 2024-04-23 09:58:56 发布

置顶

csuwujiyang

最新推荐文章于 2024-04-23 09:58:56 发布

阅读量2.1w

点赞数 3

分类专栏： caffe实践深度学习 Python学习文章标签：人脸识别

本文链接：https://blog.youkuaiyun.com/u013078356/article/details/60955197

版权

本文介绍如何基于VGG-Face模型在Caffe上进行人脸识别的训练和测试。首先，从指定网址下载模型和网络结构，然后对预训练模型进行微调，利用CASIA WebFace数据集转换成lmdb格式进行训练。训练完成后，在LFW数据集上验证模型效果，通过修改pairs.txt文件以适应模型验证。最后，使用Python接口提取特征并验证模型的精确度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

VGG Face Descriptor 是牛津大学VGG小组的工作，现在已经开源训练好的网络结构和模型参数，本文将基于此模型在caffe上使用自己的人脸数据微调，并进行特征提取与精确度验证。
数据传送门：CASIA WebFace
模型传送门：http://www.robots.ox.ac.uk/~vgg/software/vgg_face/

模型准备

1.从上面的网址中下载VGG-Face已经训练好的模型和网络结构文件，根据deploy.proto文件来修改得到train_val.prototxt文件，主要有：修改数据层的输入和最后全连接层以及损失层等，注意fc8层名称的修改，具体如下：

name: "VGG_FACE_16_layers"
layer {
  name: "data"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mirror: true
    crop_size: 224
#    mean_file: "data/ilsvrc12/imagenet_mean.binaryproto"
  }
  data_param {
    source: "vggface/webface_train_lmdb"
    batch_size: 32
    backend: LMDB
  }
}
layer {
  name: "data"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    mirror: false
    crop_size: 224
#    mean_file: "data/ilsvrc12/imagenet_mean.binaryproto"
  }
  data_param {
    source: "vggface/webface_val_lmdb"
    batch_size: 32
    backend: LMDB
  }
}  
......
layer {
  bottom: "fc7"
  top: "fc8_s"
  name: "fc8_s"
  type: "InnerProduct"
  param {
    lr_mult: 10
    decay_mult: 1
  }
  param {
    lr_mult: 20
    decay_mult: 0
  }
  inner_product_param {
    num_output: 2031
    weight_filler {  
      type: "gaussian"
      std: 0.01  
    }  
    bias_filler {  
      type: "constant"  
      value: 0.1
    }  
  }
}
layer {
  name: "accuracy"
  type: "Accuracy"
  bottom: "fc8_s"
  bottom: "label"
  top: "accuracy"
  include {
    phase: TEST
  }
}
layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "fc8_s"
  bottom: "label"
  top: "loss"
}

模型训练

本次训练，我采用的是webface中人脸数量在50张以上的个人类别，总共有两千多个。按照caffe的工具转换成lmdb格式即可开始训练。

模型效果测试

模型训练结束之后，在lfw上验证实验效果。lfw数据对使用官方提供的txt文件，不过我觉得格式不太好，就自己用脚本进行了些许修改：
pairs.txt

Abel_Pacheco    1   4
Akhmed_Zakayev  1   3
Akhmed_Zakayev  2   3
Amber_Tamblyn   1   2
Anders_Fogh_Rasmussen   1

最低0.47元/天解锁文章