代码运行：insightface(arcface)源码

主要介绍利用insightface来finetune自己的数据集
代码地址：https://github.com/deepinsight/insightface

代码目录结构如下图，src是旧的代码，其它文件夹是各个子模型的代码，本文主要用src目录下的代码（因为recognition下的代码在训练几个epoch后会出现准确率突降的现象，不知道什么原因）。

1. 自己数据集

文件组织格式：

1. face下面分train和test两个文件夹，每个文件下n个子文件夹
2. 每个子文件夹是一个人，里面有2张以上照片，MT-CNN对齐后的，大小112 * 112 * 3

2.生成lst文件

python face2lst_dp.py /path/to/data
参数：
data_dir
–ext 图片扩展名
–test-ratio 指定训练集和测试集比例

输出三个文件：
train1.lst，不输出，如果test-ratio=1
property，不输出，如果test-ratio=1
test.lst，不输出，如果test-ratio=0
默认放在face文件夹上的父目录

lst文件每行三个字段
0/1 ：表示是否对齐，1对齐
file path：图片路径
class id：类别id，对应训练集里面的每个文件夹一个id，1,2,3…,n

3.生成rec和idx训练文件

python face2rec2.py /path/to/lst folder
参数：
prefix: 必需，lst文件所在文件夹
其它参数（略）

输出：
train.idx
train.rec

4.制作验证集bin文件

python face2rec2.py /path/to/test/data/folder

参数：
data_dir: 必需，test数据文件夹
–out_file:
–fold
–max_pairs: 最多分别生成多少对正负样本，也就是最终的最大输出是*2

输出：
custom_test.bin

5.下载模型

官方预训练好的模型的地址：https://github.com/deepinsight/insightface/wiki/Model-Zoo

我下的 3.1 LResNet100E-IR,ArcFace@ms1m-refine-v2
下载地址：https://pan.baidu.com/s/1wuRTf2YIsKt76TxFufsRNA

模型放在：insightface/models/

6.fine-tune

python -u train.py
修改parse_args方法里的参数：
–data-dir 指向第3步train.idx train.rec所在的目录
–prefix 模型输出路径，即训练过程的模型保存目录
–pretrained 预加载模型路径，例如：…/models/model-r100-ii/model,0
–ckpt 设置是否保存训练模型
–network 指定主干网络，r100表示resnet100
–lr 学习率

–margin-m
–margin-s
–margin-a
–margin-b
上面四个分别对应损失函数的：s * cos(m * theta+a)+b

–loss-type 指定损失函数类型，4表示arcface
–target 表示验证集，例如’lfw’，在–data-dir 目录下就需要有lfw.bin验证集文件

训练过程输出信息