freedream520 / face_recognition

使用webface人脸数据集以及DeepID网络,通过Caffe训练出模型参数,得到LFW二分类的人脸识别准确率。

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

人脸识别

使用李子青团队的webface人脸数据集,根据汤晓欧团队的DeepID网络,通过Caffe训练出模型参数,经过LFW二分类得到人脸识别准确率。

人脸数据集

李子青团队的webface

图像预处理

对包含人脸的图像进行人脸框识别,人脸对齐和人脸剪裁。

原理

  • 人脸框识别
  • 人脸对齐
  • 人脸剪裁

实现

caffe训练

根据DeepID的网络使用caffe训练得到模型参数。

原理

  • 对原始数据分离训练集和测试集
  • 转换为caffe可以处理的lmdb格式
  • 根据设定的Net网络和Solver配置文件进行训练
  • 得到训练的模型

实现

  • 修改DeepID.py中demo(num)方法中的人脸对齐后的文件夹以及最后一行的中训练的人数(1-10575)。

  • 执行以下代码

python DeepID.py

人脸识别检测

检验训练好的模型,得到LFW的人脸准确率。

原理

实现

  • 下载lfwcrop_color.zip

  • 修改DeepIDTest.py中demo_test方法中caffepath,lfwpath等相关路径,以及最后一行的中训练的人数与所用模型的迭代次数。

  • 在caffe_path(一般为~/caffe-master)下,执行以下代码

python DeepIDTest.py

参考论文

  1. deepID 《Deep learning face representation from predicting 10,000 classes》

  2. deepID2 《Deep Learning Face Representation by Joint Identification-Verification》

  3. deepID2+ 《Deeply Learned Attributes for Crowded Scene Understanding", IEEE Conf. on Computer Vision and Pattern Recognition, June 2015 (Oral)》

  4. deepID3 《Face Recognition with Very Deep Neural Networks》

About

使用webface人脸数据集以及DeepID网络,通过Caffe训练出模型参数,得到LFW二分类的人脸识别准确率。


Languages

Language:Python 100.0%