人脸识别（MobileNet-V2）

应用场景

单人：支付、解锁……
小范围：智能门锁……
中范围：考勤打卡……
大范围：小区门禁……

小区门禁的精度可以很高。（训练集和测试集的重叠度高）
一开始精度很低，摄像头采集数据作为样本，进行训练（加入特征库），随着样本越来越多，精度也越来越高。
人脸识别很难通用，因为样本很难采集，需要各个角度、质量较高的人脸照片。

识别过程

检测：经过 MTCNN 找出人脸。
提取特征：把人脸剪切下来放到 MobileNet-V2 中提取特征。
对比：将得到的特征和特征库中的特征进行比较，根据相似度进行识别。

衡量相似度

欧氏距离：x·w
余弦相似度：cosθ = 二范数归一化后的欧氏距离 = (x / ||x||)(w / ||w||)

样本

用照片作为特征库，每个文件夹代表一个人，每人有 5 张照片。

from torch.utils.data import Dataset
from torchvision import transforms
import os
from PIL import Image


class MyDataset(Dataset):
    def __init__(self, path):
        self.transform = transforms.Compose([transforms.Resize(112), transforms.ToTensor(), transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])])
        self.data = []
        for face_path in os.listdir(path):
            for file in os.listdir(os.path.join(path, face_path)):
                self.data.append([os.path.join(path, face_path, file), int(face_path)])

    def __len__(self):
        return len(self.data)