人脸识别CNN网络训练流程

目标

训练论文”A Lightened CNN for Deep Face Representation”中的caffe网络。

数据

CASIA-WebFace 可在这里申请。

预处理

获得CASIA-Webface数据集之后，使用tools中的：

• 脚本addLabeltopic.py将图片的label置为0-10574，并将label加入图片的名字中，如0_001.jpg。
• 脚本getallfilesInOnedir.py将所有图片复制到某一级目录下，如image/
• 使用code_point中的工具对人脸图片进行标点，其中bbox.txt中指定了固定的人脸位置。
• 可使用show_resulr.m脚本对标点结果进行可视化。
• 根据每个图片样本的标点信息将人脸进行旋转和裁剪，使得样本标准化。
  经过上述操作，可以得到10575人的494414张标准化人脸图块。

使用caffe，训练模型

• 生成lmdb数据
• 编写train_test.prototxt和solver.prototxt
• 开始训练！

网络配置

详细配置查看查看我的github项目中