SeetaFace大总结

2016年9月14日，山世光老师开源其人脸识别的一套模型，SeetaFace，并且带着源码，包括人脸检测，人脸对齐，人脸识别，三个模块，算是把人脸这一套的都有了。github的星星也转眼间就上了百，为此本屌丝也在工作之余对其性能进行了测试。

 

Face Detection:

检测部分速度有点慢，继续开了openmp也没感觉有啥能感觉到的提速。实际效果如下：

Face Alignment:

对齐部分对偏转角度太大的就会出现漂移现象，总体来看，不如SDM给力。

Face Identification:

其自带的feats.dat的测试结果：

从上面的结果来看，比对的分数感觉还是蛮高的，感觉很靠谱的样子。但是这个，作者只给了其自己找的相似的图片的特征文件，并没有给出原始图片。那么到底这个原始图像和实际作者提供的图像有度相似呢？这个大家就都不知道了。

         带着这个疑问，本屌丝对原始程序进行了修改，并实际找了Adience里面的几个图片进行了测试。

上图为本人的处理后（进行了crop和alignment，并归一化到了256*256），也就是说和作者的训练模型保持了一致性。比对为基数和偶数的图像进行比对。实际比对分数如下：

这个分数和作者自己的分数一对比，差距还是蛮大的。算法的折扣也就降低了不少。

 

个人疑问：

（1）作者只给出了feats.dat，但是大家都不知道其图片和提供的图片到底有多相似，本屌丝实际测试的结果是，2个一模一样的图片给出事1分的相似度，我自己找的图片测试的是在0.7徘徊。简单的说，0.9和0.7的分数是2个区别很大的算法和模型，直接就定义出了好坏。

（2）作者自己提供的模型，读取进来单步看的是256*256，但是作者提供的crop图像是128*128的，这个我也不理解。

 

总体:

检测部分，速度有点慢，误检率小，漏检率稍微大

对齐部分，还是可以的，但是效果肯定不会有SDM好

识别部分，按我自己的测试结果，对于变化比较大的2个同样的人，0.7的徘徊分数，不是一个可以实际产品话的算法，个人认为不如DeepID好。

其实，这些都不重要，开源精神最值得钦佩。

本人改好的程序：

tips:强烈建议下载本人所改的识别程序，因为，

（1）里面进行了大的改动，对Blob模块进行了Mat格式的封装，加入了保存对齐的crop图像的功能（表情识别，性别，年龄，眼镜等都用得到，相当于一个对齐工具，并附带源码）。

（ 2 ）本人将检测，对齐，识别， 3 个模块集成到 1 个函数，随便输入 2 个自己的图片，就可以自动扣出图中的人脸进行比对识别，非常方便。

另外，感谢热心网友，小四掰，对我的博文提出的疑问，这次进行了更正与改进。如有疑问，欢迎大家留言或私信，本人将本着实事求是的原则，相互学习，共同进步。

官方下载链接：https://github.com/seetaface/SeetaFaceEngine

本人改好的链接：

检测：http://download.csdn.net/detail/qq_14845119/9639840

对齐：http://download.csdn.net/detail/qq_14845119/9639841

识别：http://download.csdn.net/detail/qq_14845119/9642948

 

Reference：http://www.weixinla.com/document/58132439.html