如大家参考上篇博客完成了对facenet配置的话,那恭喜了,接下来我们开始上硬菜了,go!
facenet源码中实现的很多功能,如:图像裁剪对齐、对比、训练、测试模型精确度、训练svm分类器、人脸识别等等,下面我开始来意义介绍:
- 运行图像裁剪对齐程序(align\align_dataset_mtcnn.py)
对下载好的lfw数据集下载后解压在data文件夹中,此外lfw同一目录下建立一个裁剪后的图像保存文件夹备用,这是因为程序中神经网络使用的是谷歌的“inception resnet v1”网络模型,这个模型的输入时160*160的图像,而我们下载的LFW数据集是250*250限像素的图像,所以需要进行图片的预处理。
参数的修改:input_dir: /home/user/facenet/data/lfw output_dir:/home/user/facenet/data/lfw_160 裁剪尺寸参数:--image_size 160 --margin 32 --random_order(如果不指定,默认的裁剪结果是182*182像素的)
终端输入:/home/user/facenet/data/lfw output_dir:/home/user/facenet/data/lfw_160 --image_size 160 --margin 32 --random_order
- 运行人脸比对程序(compare.py)
对下载好的预训练模型放入compare.py同目录下,从lwf数据集中随意抽取两张图像进行测试。
参数修改:模型位置+图像