「人脸识别」学习FaceNet（3）

最新推荐文章于 2023-08-05 23:13:14 发布

yvette_yu

最新推荐文章于 2023-08-05 23:13:14 发布

阅读量608

点赞数

分类专栏： TensorFlow 人脸识别

本文链接：https://blog.csdn.net/github_38657489/article/details/80722753

版权

TensorFlow 同时被 2 个专栏收录

4 篇文章 0 订阅

订阅专栏

人脸识别

4 篇文章 0 订阅

订阅专栏

人脸对比

Facenet可以经过网络映射得到的欧式距离直接对两个人脸进行对比

在Issues中：Comparing a database of faces to the faces in a photo

“身份证照片是每人1张？如果是这样的话，你需要使用面部验证「face verification 」（do 2 pictures belong to the same person），看看 compare.py，你将所有图片输入到该程序，它将返回一个0到2距离矩阵，0=100%，2= 0%.

你需要修改脚本中的 "load_and_align_data"函数，它能处理多人的图片。”

1. compare.py程序路径

facenet\src\compare.py

2. 将人脸图片放在compare.py同级目录下，终端运行命令：

~/Desktop/ZHIHUICHENGSHI/version1/facenet/src $ python compare.py /home/hszc/Desktop/ZHIHUICHENGSHI/version1/facenet/models/facenet/20180402-114759 0a2a3e3cd39d4fc48e7f9b24c2557c29.jpg 0a3ea619c0754847b743c13147007938.jpg

说明：

python compare.py

+      模型路径

+    图1 图2

3. 运行结果

Model directory: /home/hszc/Desktop/ZHIHUICHENGSHI/version1/facenet/models/facenet/20180402-114759
Metagraph file: model-20180402-114759.meta
Checkpoint file: model-20180402-114759.ckpt-275
Images:
0: 0a2a3e3cd39d4fc48e7f9b24c2557c29.jpg
1: 0a3ea619c0754847b743c13147007938.jpg

Distance matrix
        0         1     
0    0.0000    1.2645  
1    1.2645    0.0000

生成的是欧氏距离的二分类代价矩阵（cost matrix），cost（i, j）:第i类样本对第j类的代价，cost=0，说明相同，相似度范围[0,1],

cost >= 1说明相似度为0.[1]

[1] https://blog.csdn.net/niutianzhuang/article/details/79191167