前言

本文以lfw數據集進行示例
lfw結果集下載地址：http://vis-www.cs.umass.edu/lfw/lfw.tgz
insightface源碼下載地址：https://github.com/deepinsight/insightface
insightface作者提供了完整的工程，能夠基本滿足并完成人臉識別流程

人臉識別流程4步：1、檢測；2、對齊矯正；3、提取特征；特征匹配
其中，檢測對齊使用ssh或mtcnn并用dlib即可實現，然后對完成1和2步的人臉圖像進行提取特征，作者使用的是改進后的resnet網絡來提取特征（其中用的損失層為arcface loss），提取到的512維向量，歸一化后內積得到相似度。

insightface讓我感覺是一個大型的分類問題，其中的回歸問題例如回歸出人臉關鍵點并進行對齊矯正的代碼作者已經幫我們寫好了，所以這個流程僅僅有實踐意義，理論講述可以看作者發表的論文，講述得很詳細。
在實現一個優秀人臉識別系統的過程中，我覺得應該有幾個重要環節：
1、干凈而且大量的數據
2、優秀的網絡結構
3、優秀的網絡損失函數
4、由以上1,2,3決定一個優秀的模型，作為一個大型的分類過程，優秀的模型能夠提取到人臉更加獨有的特征，具有更好的“辨別特性”

數據清洗

用的方法是先用作者的model對我的數據集進行一次特征提取和匹配，

總結

以上是生活随笔為你收集整理的InisghtFace 制作自定义数据集和模型训练评估的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。