帮酷LOGO
  • 显示原文与译文双语对照的内容
This branch is developed for deep face recognition

  • 源代码名称:caffe-face
  • 源代码网址:https://github.com/ydwen/caffe-face
  • caffe-face源代码文档
  • caffe-face源代码下载
  • Git URL:
    https://github.com/ydwen/caffe-face.git
  • Git Clone代码到本地:
    git clone https://github.com/ydwen/caffe-face
  • Subversion代码到本地:
    $ svn co --depth empty https://github.com/ydwen/caffe-face
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
  • 基于实现的深度人脸识别

    分支是为深层人脸识别而开发的,相关论文如下所示。

    A Discriminative Feature Learning Approach for Deep Face Recognition[C]
    Yandong Wen, Kaipeng Zhang, Zhifeng Li*, Yu Qiao
    European Conference on Computer Vision. Springer International Publishing, 2016: 499-515.

    更新

    • 13,2016
      • 给出了一个用给定模型提取深特征的演示。
    • 12,2016
    • Otc 9,2016
      • 我们的ECCV16 文件的代码和训练prototxt被发布。
      • caisa webface 上训练网络时,需要英镑的单模型的预期验证性能为/。

    电子邮件文件

    • 原始Caffe库
    • 中心丢失
      • src/caffe/proto/caffe.proto
      • include/caffe/layers/center_loss_layer.hpp
      • src/caffe/layers/center_loss_layer.cpp
      • src/caffe/layers/center_loss_layer.cu
    • face_example
      • face_example/data/
      • face_example/face_snapshot/
      • face_example/face_train_test 。prototxt
      • face_example/face_solver 。prototxt
      • face_example/face_deploy 。prototxt
      • face_example/extractdeepfeature 。m
    • mnist_example
      • mnist_example/data/
      • mnist_example/face_snapshot/
      • mnist_example/mnist_train_test 。prototxt
      • mnist_example/mnist_solver 。prototxt
      • mnist_example/mnist_deploy 。prototxt

    Train_Model

    安装完全与 Caffe 相同。 请遵循安装指令。 请确保在使用我们的代码之前已经正确安装。

    下载面向训练的人脸数据集,比如 caisa webfacevgg面,MS-Celeb-1M,MegaFace 。

    本文对人脸图像进行预处理,包括检测。对齐。等等 等,强烈推荐了一种高效的。高效的人脸检测与校准工具。

    创建训练集和验证集的列表。 将它们放在 face_example/data/中

    为训练 & val指定数据源

     layer {
     name:"data"
     type:"ImageData"
     top:"data"
     top:"label"
     image_data_param {
     source:"face_example/data/###your_list###"
     }
     }

    指定FC6图层中的主题数

     layer {
     name:"fc6"
     type:"InnerProduct"
     bottom:"fc5"
     top:"fc6"
     inner_product_param {
     num_output: ##number##
     }
     }

    指定丢失重量和中心损失层的主体数

     layer {
     name:"center_loss"
     type:"CenterLoss"
     bottom:"fc5"
     bottom:"label"
     top:"center_loss"
     loss_weight: ##weight##
     center_loss_param {
     num_output: ##number##
     }
     }

    火车模型

     cd $CAFFE-FACE_ROOT
    ./build/tools/caffe train -solver face_example/face_solver.prototxt -gpu X,Y

    Extract_DeepFeature

    通过生成matcaffe编译 matcaffe

    在 face_example/extractdeepfeature中指定correspinding路径。

     addpath('path_to_matCaffe/matlab');
     model = 'path_to_deploy/face_deploy.prototxt';
     weights = 'path_to_model/face_model.caffemodel';
     image = imread('path_to_image/Jennifer_Aniston_0016.jpg');

    在Matlab中运行 extractDeepFeature.m

    联系人

    引用

    如果有帮助,建议你参考以下文章。

    @inproceedings{wen2016discriminative,
     title={A Discriminative Feature Learning Approach for Deep Face Recognition},
     author={Wen, Yandong and Zhang, Kaipeng and Li, Zhifeng and Qiao, Yu},
     booktitle={European Conference on Computer Vision},
     pages={499--515},
     year={2016},
     organization={Springer}
    }

    许可证

    版权所有( c ) Yandong Wen

    保留所有权利。

    MIT许可证

    若要在取得该软件副本时免费授予任何人,如有下列条件的软件,请免费授予该软件的副本,并与相关的文档文件("软件") 进行许可,包括不受限制的权利,包括以下条件:

    上述版权声明和本许可声明须包括在所有的副本或实质性部分的软件。

    软件是以非商业形式提供的,没有任何担保,明示或者暗示,包括但不限于适销性。适用于特定用途和特定用途的保证。 作者或者版权持有人在合同。侵权或者它的他与软件或者它的他用户交易的行为。




    Copyright © 2011 HelpLib All rights reserved.    知识分享协议 京ICP备05059198号-3  |  如果智培  |  酷兔英语