跑通FaceNet人脸识别

原创：杨其泓

一、前言

FaceNet是一个十分经典的人脸识别模型，并且具有较好的性能，但要实现使用自己的数据进行人脸识别，还需要对模型进行重新训练。本文将介绍跑通一个简单FaceNet的全部流程，以及踩坑记录。

二、方案技术路线

1. 人脸检测：使用 Dlib 中预先训练的模型检测面部；
2. 人脸校准：使用 Dlib 的实时姿势估计与 OpenCV 的仿射变换来尝试使眼睛和下唇在每个图像上出现在相同位置；
3. 卷积网络：使用深度神经网络把人脸图片映射为 128 维单位超球面上的一个点；
4. 分类：使用三元损失函数对每张图片对应的超球面的点（128维向量）比较相似度以此进行分类。

图片来源：https://cmusatyalab.github.io/openface/

三、参考

3.1 论文

FaceNet: A Unified Embedding for Face Recognition and Clustering.

论文链接：https://arxiv.org/abs/1503.03832

3.2 代码

Github代码链接：https://github.com/foamliu/FaceNet

3.3 数据

• 训练集

CelebFaces Attributes Dataset (CelebA) 是一个大型的人脸数据集，有10,177个身份和202,599张人脸图像。

 数据链接：

http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

Celeba数据集是香港中文大学的公开数据集，所以支持百度网盘下载！选择Baidu Drive即可将数据集转存至自己的网盘，Celeba数据集大约有22个G（解压后24左右），所以最好要弄个百度网盘SVIP账号再下。