bubbliiiing / facenet-pytorch Goto Github PK

这是一个facenet-pytorch的库，可以用于训练自己的人脸识别模型。

License: MIT License

Python 100.00%

facenet-pytorch's Introduction

Facenet：人脸识别模型在Pytorch当中的实现

Top News

2022-03:进行了大幅度的更新，支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整。
BiliBili视频中的原仓库地址为：https://github.com/bubbliiiing/facenet-pytorch/tree/bilibili

2021-02:创建仓库，支持模型训练，大量的注释，多个可调整参数，lfw数据集评估等。

模型	路径
facenet	https://github.com/bubbliiiing/facenet-pytorch
arcface	https://github.com/bubbliiiing/arcface-pytorch
retinaface	https://github.com/bubbliiiing/retinaface-pytorch
facenet + retinaface	https://github.com/bubbliiiing/facenet-retinaface-pytorch

性能情况

训练数据集	权值文件名称	测试数据集	输入图片大小	accuracy
CASIA-WebFace	facenet_mobilenet.pth	LFW	160x160	98.23%
CASIA-WebFace	facenet_inception_resnetv1.pth	LFW	160x160	98.78%

所需环境

pytorch==1.2.0

文件下载

已经训练好的facenet_mobilenet.pth和facenet_inception_resnetv1.pth可以在百度网盘下载。
链接: https://pan.baidu.com/s/1K20hyxU_UgSej1eZWih0Ag 提取码:anv6

训练用的CASIA-WebFaces数据集以及评估用的LFW数据集可以在百度网盘下载。
链接: https://pan.baidu.com/s/1qMxFR8H_ih0xmY-rKgRejw 提取码: bcrq

预测步骤

a、使用预训练权重

下载完库后解压，在model_data文件夹里已经有了facenet_mobilenet.pth，可直接运行predict.py输入：

img\1_001.jpg
img\1_002.jpg

也可以在百度网盘下载facenet_inception_resnetv1.pth，放入model_data，修改facenet.py文件的model_path后，输入：

img\1_001.jpg
img\1_002.jpg

b、使用自己训练的权重

按照训练步骤训练。
在facenet.py文件里面，在如下部分修改model_path和backbone使其对应训练好的文件；model_path对应logs文件夹下面的权值文件，backbone对应主干特征提取网络。

_defaults = {
    "model_path"    : "model_data/facenet_mobilenet.pth",
    "input_shape"   : (160, 160, 3),
    "backbone"      : "mobilenet",
    "cuda"          : True,
}

运行predict.py，输入

img\1_001.jpg
img\1_002.jpg

训练步骤

本文使用如下格式进行训练。

|-datasets
    |-people0
        |-123.jpg
        |-234.jpg
    |-people1
        |-345.jpg
        |-456.jpg
    |-...

下载好数据集，将训练用的CASIA-WebFaces数据集以及评估用的LFW数据集，解压后放在根目录。
在训练前利用txt_annotation.py文件生成对应的cls_train.txt。
利用train.py训练facenet模型，训练前，根据自己的需要选择backbone，model_path和backbone一定要对应。
运行train.py即可开始训练。

评估步骤

下载好评估数据集，将评估用的LFW数据集，解压后放在根目录
在eval_LFW.py设置使用的主干特征提取网络和网络权值。
运行eval_LFW.py来进行模型准确率评估。

Reference

https://github.com/davidsandberg/facenet
https://github.com/timesler/facenet-pytorch

facenet-pytorch's People

Contributors

Stargazers

Watchers

Forkers

sinianyutian zhumingxu censhengcai dongwhfdyer linamiao-1998 superzhang90 86236291 lllovage filipul1s ma-lijun dongwanggithub tangtang888 fly8388 jamsang glicis pjq-mine ljczhang jiaerwang0328 kingthreestones qingtian305 cheng202 yanxiao-xiao xiaotf229375159 leen-coding muwuxiansheng 1726650686 jomsonm limbercode seemoredebug sychen-sjtu yugong123 xiaomujiang confus-ing hyfreadom saintkailong rayn-wu ryan-3m yyq1609 barcelona16 sutterone luckyzrl7 hanyue0001 chnxindong yujieli666 nagatoyuki0943 ethan0828 an-yan-d hailangzz doudouyangguanga hhhuaang jjyandwhforever jackwxiao ljcyu nianhua20 i-hv guass zrzpotato tkernelcn megleo qt2139 fanhuafeng txoon marenan tuanshu jzikang welcometowonderland greenredyb freshduer caalo22 hardy1220 mubai-argo suntong1999 tianxingxia-cn leishu-521 zhangwudisong 1sunxiaosheng goddragonstr tomdong2010 gypsophila-cx liujie1008cn andrewpanb jiguotong shaomei2023 xckbupt yenyunn guoqingru0911 af-74413592 13484835805 xyxing1234 shuxjweb daihaoguang3151 jpabcd pikachu-thunderbolt masterchange13 human9000 youyuanzy armersong lzzz138 knorr-lee 18106574249

facenet-pytorch's Issues

训练和测试时会调过一部分数据

B导大大我在用模型测试时显示skipped 5086 image pairs 然后剩下的914张图片也不能全部加载完只能加载768张

想问问如何输出loss曲线还有一些中间训练的参数（梯度啥的）

ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (6000,) + inhomogeneous part.
请问大佬这个如何解决呀，翻b站评论区也有10位同学左右遇到这个问题但似乎都没有解决方法

训练过程经常遇到BrokenPipeError: [Errno 32] Broken pipe

Epoch 1/100: 100%|██████████| 583/583 [07:36<00:00, 1.07it/s, accuracy=0.89, lr=0.01, total_CE_loss=9.02, total_triple_loss=0.101]Traceback (most recent call last):
File "/opt/vitis_ai/conda/envs/vitis-ai-optimizer_pytorch/lib/python3.7/multiprocessing/queues.py", line 242, in _feed
send_bytes(obj)
File "/opt/vitis_ai/conda/envs/vitis-ai-optimizer_pytorch/lib/python3.7/multiprocessing/connection.py", line 200, in send_bytes
self._send_bytes(m[offset:offset + size])
File "/opt/vitis_ai/conda/envs/vitis-ai-optimizer_pytorch/lib/python3.7/multiprocessing/connection.py", line 404, in _send_bytes
self._send(header + buf)
File "/opt/vitis_ai/conda/envs/vitis-ai-optimizer_pytorch/lib/python3.7/multiprocessing/connection.py", line 368, in _send
n = write(self._handle, buf)
BrokenPipeError: [Errno 32] Broken pipe