基于Pytorch版本的BoTNet的人脸识别效果

目录

一、前言

二、训练准备

1、BoTNet的Pytorch版本

2、人脸识别数据和代码架构

3、完整训练代码

三、训练和结果

1、训练

2、结果

---

一、前言

过年节假日期间，将Google最新出来的BoTNet用于人脸识别，使用pytorch版本的BoTNet+ArcFace对人脸数据进行了训练。

二、训练准备

1、BoTNet的Pytorch版本

参考：BoTNet的Pytorch版本

2、人脸识别数据和代码架构

（1）人脸识别数据和代码架构用的是https://github.com/TreB1eN/InsightFace_Pytorch。下载该工程，解压，在当前目录中建立文件夹：BoTNet。将BoTNet的model.py放入BoTNet文件夹中。

（2）修改config.py文件

在conf.use_mobilfacenet下面加入：

conf.use_mobilfacenet = False
conf.use_transfomer = False

（3）修改Learner.py文件

添加：

from BoTNet.model import ResNet,Bottleneck

在类face_learner中的__init__中引入conf.use_transfomer：

if conf.use_mobilfacenet:
    self.model = MobileFaceNet(conf.embedding_size).to(conf.device)
    print('MobileFaceNet model generated')
elif conf.use_transfomer:
    print("ues_transfomer")
    self.model = ResNet(Bottleneck, [3, 4, 6, 3], num_classes=self.class_num).to(conf.device)

（4）修改train.py文件，加入：

conf.use_mobilfacenet = False
conf.use_transfomer = True
conf.lr = args.lr
conf.batch_size = 32#args.batch_size
conf.num_workers = args.num_workers
conf.data_mode = args.data_mode
learner = face_learner(conf)

注：这里因电脑本身CUDA内存原因，只能使用batch_size = 32。

3、完整训练代码

参考：基于T2T-Vit/BotNet的人脸识别训练代码

conf.use_mobilfacenet = False
conf.use_botnet = True
conf.use_t2tvit = False

说明：上述三个参数均为False时，使用的是ResNet(默认是ir_se,depth=50)进行人脸识别训练；剩下的哪个为True，使用对应的模型进行训练。

人脸识别数据参考源代码（https://github.com/TreB1eN/InsightFace_Pytorch）中的获取方式：

三、训练和结果

1、训练

保持原github上其余参数的设置，运行：

python3 train.py

2、结果

经过20个epochs的训练后，如下图所示，在LFW、CFP-FP、AgeDB-30中的识别率分别为：98.98%、92.18%、90.29%，和原github上提供的效果（LFW 0.9952、CFP-FP 0.9504、AgeDB-30 0.9622）还是有几个点的差距。后面通过调优看看能否提高效果。

LFW数据集在训练过程中的测试结果：

CFP-FP数据集在训练过程中的测试结果：

AgeDB-30数据集在训练过程中的测试结果