Python facenet進行人臉識別測試過程解析

1.簡介：facenet 是基于 TensorFlow 的人臉識別開源庫，有興趣的同學可以扒扒源代碼：

https://github.com/davidsandberg/facenet

2.安裝和配置 facenet

我們先將 facenet 源代碼下載下來：

git clone https://github.com/davidsandberg/facenet.git

在使用 facenet 前，務必安裝下列這些庫包：

或者直接移動到 facenet 目錄下，一鍵安裝

pip install -r requirements.txt

3.下載 LFW 數據集

LFW 是由美國馬薩諸塞大學阿姆斯特分校計算機視覺實驗室整理的。它包含13233張圖片，共5749人，其中4096人只有一張圖片，1680人的圖片多余一張，每張圖片尺寸是250x250 。

下載地址：http://vis-www.cs.umass.edu/lfw/ ->Menu->Download->All images as gzipped tar file

下載完成后，我們將文件解壓到 facenet/data/lfw_data/lfw 目錄下（沒有的話自己建個目錄），在 lfw_data 目錄下新建一個目錄 lfw_160，用來存放裁剪后圖片。

4.對圖像進行預處理

因為程序中神經網絡使用的是谷歌的“inception resnet v1”網絡模型，這個模型的輸入時160*160的圖像，而我們下載的LFW數據集是250*250限像素的圖像，所以需要進行圖片的預處理。

運行 facenet/src/align/align_dataset_mtcnn.py 來修改圖片尺寸大小，加入下列參數

facenet/data/lfw_data/lfw         　　　　　　 #輸入圖像文件夾
facenet/data/lfw_data/lfw_160     　　　　　　　　  #輸出圖像文件夾
--image_size 160 --margin 32 --random_order--gpu_memory_fraction 0.25  　　　　#指定裁剪后圖像大小（如果不指定，默認的裁剪結果是182*182像素的）

即

python align_dataset_mtcnn.py facenet/data/lfw_data/lfw facenet/data/lfw_data/lfw_160 --image_size 160 --margin 32 --random_order--gpu_memory_fraction 0.25 

如果用的是 pycharm，可以在 RUN -> Edit Configurations 下添加參數信息，然后運行 align_dataset_mtcnn.py 文件：

**這里自己運行的時候一直報錯提示：No module named 'align'

將 align_dataset_mtcnn.py 移動至 src 文件夾下再運行就不會報錯了。

校準后圖像大小即變為160 x 160 。

5.評估 Google 預訓練模型在數據集中的準確性

facenet提供了兩個預訓練模型，分別是基于CASIA-WebFace和 VGGFace2人臉庫訓練的。（由于存儲在 Google 網盤中，需要 FQ 下載使用）

GitHub 地址：https://github.com/davidsandberg/facenet

這里我采用的是 CASIA-WebFace 預訓練模型，有興趣了解的小伙伴，可以到CASIA-WebFace 官網看看：

http://www.cbsr.ia.ac.cn/english/CASIA-WebFace-Database.html

將下載好的預訓練文件解壓到 facenet/src/models目錄下：

添加參數

facenet/data/lfw_data/lfw_160 facenet/src/models/20180408-102900

運行 validate_on_lfw.py 文件。

這里我剛開始運行的時候報錯：

發現是預訓練模型版本太舊，我們在 facenet 上下載最新的CASIA-WebFace 訓練庫再重新運行即可。

運行結果如下：

可以看到識別精度可以達到 97.7%，其識別準確度還是非常不錯的。

但是程序運行完以后雖然最終運行結果正確，但是最后卻還是報了個錯誤：

_2_input_producer: Skipping cancelled enqueue attempt with queue not closed

原因是主線程已經關閉，但是讀取數據入隊線程還在執行入隊。

由于自己對 TensorFlow 線程還不是特別了解，暫時還沒有解決這個問題。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。