人脸识别是计算视觉和人工智能的一个热点领域,目前实现人脸识别的方法和框架有很多,比如face++, OpenFace, FaceNet等。本系列文章一共有三篇,介绍使用人脸检测的深度学习模型MTCNN
和人脸识别的深度学习模型FaceNet
实现人脸识别。本文为系列文章的第一篇,主要介绍facenet环境的安装和验证。
准备
本文演示的环境为Windows 10 + python3.5
下载安装 Anaconda3,新建一个tensorflow的environment,然后打开终端,克隆facenet并安装tensorflow, scipy等libraries
|
|
下载model
facnet提供了 Pre-trained models,在lfw验证的正确率达到99%以上,如果需要训练自己的模型,可以参考facenet wiki
模型的下载需要翻墙,我已经保存到百度云了,读者可以自行下载。链接:https://pan.baidu.com/s/1wm8TOYtSMzXqllo8UX-l0Q 提取码:2ika。
验证
使用src/compare.py对比两张照片人脸的欧式距离
1
|
python src\compare.py models\20180402-114759 data\images\Anthony_Hopkins_0001.jpg data\images\Anthony_Hopkins_0002.jpg |
输出结果如下:
总结
本文在win10环境下安装Anaconda3,并使用Anaconda3安装tensorflow及scipy等其他依赖库,最后运行src/compare.py验证运行环境正常。下一篇文章将介绍SVM人脸类聚。
欢迎交流: lzhujian@gmail.com