2021年安装FaceNet遇到的麻烦及解决办法

最新推荐文章于 2024-08-08 07:13:40 发布
最新推荐文章于 2024-08-08 07:13:40 发布
阅读量565 收藏 1
点赞数 1
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/azenis1911/article/details/114709894
版权
在2021年的项目中，使用FaceNet进行人脸识别时遇到了安装TensorFlow 1.7的Python环境兼容问题，以及align_dataset_mtcnn.py的使用错误和numpy、scipy库的版本冲突。通过升级Python到3.6，降级numpy，以及替换scipy.imread方法，成功解决了这些问题。
摘要由CSDN通过智能技术生成

2021年安装FaceNet遇到的麻烦及解决办法

目前的课题需要使用到facenet这个人脸识别模型，记录一下安装运行时遇到的问题。

TensorFlow 1.7 安装问题

我用的anaconda环境，配置的虚拟环境用的Python3.5，可是不巧的是，今年开始，pycharm不再支持python3.5了。。。所以根据TensorFlow官网的对照表，需要安装Python3.6
在这里插入图片描述如果安装最新的Python版本，则无法找到TensorFlow 1.7的版本。

align_dataset_mtcnn.py的使用

当我成功安装好相关环境之后，信心满满的想跑一下官网lfw数据集的人脸对齐，结果新的问题出现 了，import facenet和import align.detec_face均报找不到的错，解决办法就是将从Github上下载下来的facenet源码，解压好之后，原封不动的拷贝到/home/swan/anaconda3/envs/facenet3.6/lib/python3.6/site-packages/facenet目录下，之后修改import facenet和import align.detec_face为import facenet.src.facenet as facenet和import align.de

最低0.47元/天 解锁文章
swan1024
关注
专栏目录
使用 Python 和 Facenet 在 CPU 上进行实时人脸识别
深度学习与计算机视觉
12-26 1505
在本文中，将介绍一种通过自定义框架构建和使用任何自定义人脸识别模型的简单方法。完成本教程后，你将学习如何使用预训练模型创建具有任意 CPU 的实时人脸识别系统。官方将人脸识别定义为验证或识别图像中的人脸的问题。但通常有一个问题，我们如何准确识别图像中的人脸？人脸识别过程可以分为多个步骤。下图是一个人脸识别管道的示例：人脸识别流程步骤：人脸检测——检测图像中的一张或多张脸；特征提取——从图片中检测到...
基于pytorch版本facenet与自己的数据集训练人脸识别模型
yty_311的博客
03-11 1万+
好久没写了，感觉最近懈怠了QAQ。。。 教程代码使用的是这个链接里的https://github.com/timesler/facenet-pytorch 这个项目包含了pytorch版本的人脸检测模块MTCNN和由tensorflow版本facenet移植来的InceptionResnetV1权重。下面介绍一下怎么样用自己的数据集训练一个简单的人脸识别模型，可能不会对网络结构和原理做太多说明。 1.实现这个项目用的是开源的facenet-pytorch这套代码，有三种安装方式（由于我是在colab.
FaceNet 开源项目教程
最新发布
gitblog_00200的博客
08-08 741
FaceNet 开源项目教程 facenetFace recognition using Tensorflow项目地址:https://gitcode.com/gh_mirrors/fa/facenet 项目介绍 FaceNet 是一个由 Google 研究人员开发的人脸识别系统，它使用深度卷积神经网络来学习从人脸图像到128维欧几里得空间的映射。该系统能够高效地进行人脸验证和识别，并且在多个基...
手把手教人脸识别Facenet实现
qq_42742522的博客
07-18 1万+
在实现人脸检测mtcnn和人脸识别facenet时，遇到很多坑，记录解决方法，给其他人一点启发。 一、人脸检测mtcnn和人脸识别facenet的具体介绍 参考博客https://www.cnblogs.com/zyly/p/9703614.html 二、facenet具体实现 1.创建环境 在anaconda prompt上输入 conda create -n tf18 Python=3.6 2.激活环境 conda activate tf18 3.装依赖包 tensorflo.
基于facenet的人脸匹配
weixin_62135607的博客
11-11 650
基于facenet的人脸匹配
FaceNet源码解读2：史上最全的FaceNet源码使用方法和讲解（二）
u013044310的博客
06-07 3万+
史上最全的FaceNet源码使用方法和讲解（二） 这是对：史上最全的FaceNet源码使用方法和讲解（附预训练模型下载）的一个补充。 对模型进行测试： 用到的函数：validate_on_lfw.py 在pycharm中配置的参数如下： 数据集所在路径 模型所在路径 示例： 【】2【】0【】1【】7【】0【】5【】】】1【】2【】-110547 1.png 2.png 这...
Windows10下 python3.7 安装 facenet的教程
09-18
在安装过程中可能会遇到一些常见的问题，这里列举了一些可能的问题及其解决方法： 1. **错误提示：“No module named ‘tensorflow’”**： - 这通常是因为 TensorFlow 没有安装或安装不正确。请重新执行 `pip ...
tensorflow安装及facenet在LFW的验证
06-28
包含tensorflow的安装以及安装使用的时候会出现什么问题。安装好之后，运行mnist，出现版本的不兼容的问题等都解决了。以及用facenet训练出来后的模型进行计算两幅图片的欧式距离，用LFW做验证等
如何应用MTCNN和FaceNet模型实现人脸检测及识别
02-25
人脸检测是对人脸进行识别和处理的第一步，主要用于检测并定位图片中的人脸，返回高精度的人脸框坐标及人脸特征点坐标。人脸识别会进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个...
（理解和3种方法完全解决pycharm报错）main.py: error: the following arguments are required: -d/--dataset
qq_43391414的博客
12-10 2万+
文章目录背景理解完全解决方法1方法2方法3 背景 很多人只说解决方案，却不说原因，遂有此篇。 在pycharm中直接运行如下代码main.py报错： import argparse if __name__ == '__main__': parser = argparse.ArgumentParser(description='REGCN') parser.add_argument("--gpu", type=int, default=-1,
facenet 人脸识别（一）
gmHappy
07-20 1万+
前言 已完成TensorFlow Object Detection API环境搭建，具体搭建过程请参照： 安装运行谷歌开源的TensorFlow Object Detection API视频物体识别系统 或 Ubuntu系统安装配置tensorflow开发环境 下载Facenet源码工程 1. 源码下载地址：https://github.com/davidsandberg/fac...
用FaceNet的模型计算人脸之间距离（TensorFlow）
Minecraft
11-27 1万+
用FaceNet模型计算两个人脸之间的距离
如何使用facenet
jacke121的专栏
04-23 4695
如何使用facenet教你配置和使用facenet想学tensorflow，跑了自带的mnist例子，感觉太简单，想玩玩高端的。听说利用tensorflow训练出的facenet在人脸识别方面非常厉害，于是就到github上搜了一下，发现当前主流的开源人脸识别项目有facenet和openface两种，虽然openface的star数是facenet的两倍，但就是奔着facenet来的不纠结 。...
TensorFlow--实现人脸识别实验精讲 （Face Recognition using Tensorflow）
清之我心的博客
01-29 3万+
做一个人脸检测实验。 1.获取数据集（LFW） Labeled Faces in the Wild Home Menu->Download->All images as gzipped tar file 或者直接点击我是LFW 解压放到datasets 2.下载facenet并配置（facenet 是一个使用tensorflow 进行人脸识别的开源库，我们可以依
python args parse_args() 报错 xxx.py: error: the following arguments are required: xxx
热门推荐
Hello Word!
09-05 4万+
python parse_args() 报错 xxx.py: error: the following arguments are required: xxx 报错形如： usage: test_1.py [-h] aaa test_1.py: error: the following arguments are required: aaa 原因：定义参数aaa时，没有采用-- 的方...
error: the following arguments are required:
weixin_42630613的博客
03-11 8029
ap.add_argument("-i", "--image", type=str, required=True, help="path input image that we'll detect blur in") 报错的原因是：required=True，也就是说这个命令行必须有。 改法： 1、你忘记加这个命令行参数了，加上 2、改为default = “” ...
1、tensorflow2.0 实现MTCNN、P_net数据生成，及训练。
weixin_41668848的博客
07-15 1751
1.MTCNN 的优点及必须要了解基础点。 MTCNN 的 “MT”是指多任务学习（Multi-Task）,在同一个任务中同时学习“识别人脸”、“边框回归”，“人脸关键点识别”。 多尺度问题一直是困扰检测准确性的一个难点。MTCNN使用图像金字塔来解决目标多尺度问题。（图像金字塔百度上介绍非常多，我这里不过多叙述）。 P-NET的网络模型时用单尺度（12X12）的图片训练出来的，想要识别各种尺度的人脸更准确，需要把待识别的人脸尺度先按照一定的比例，多次等比例缩放（缩一次识别一次，最后缩到接近12x12)
（转）第三十七节、人脸检测MTCNN和人脸识别Facenet(附源码)
zyb418的专栏
03-03 3406
http://www.cnblogs.com/zyly/p/9703614.html 在说到人脸检测我们首先会想到利用Harr特征提取和Adaboost分类器进行人脸检测(有兴趣的可以去一看这篇博客第九节、人脸检测之Haar分类器)，其检测效果也是不错的，但是目前人脸检测的应用场景逐渐从室内演变到室外，从单一限定场景发展到广场、车站、地铁口等场景，人脸检测面临的要求越来越高，比如：人脸尺度多变、...
深度学习人脸检测与识别：MTCNN与FaceNet实战
"本文主要探讨如何使用MTCNN和FaceNet模型进行人脸检测与识别，这两个深度学习模型在现代人脸识别技术中的应用越来越广泛。MTCNN用于人脸检测，而FaceNet则专注于人脸识别。" 人脸检测与人脸识别是计算机视觉领域的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值