Arcface-PyTorch 人脸识别：从零配好环境到自己跑通模型

Arcface-PyTorch 人脸识别从零配好环境到自己跑通模型【免费下载链接】arcface-pytorch这是一个arcface-pytorch的源码可以用于训练自己的模型。项目地址: https://gitcode.com/gh_mirrors/arc/arcface-pytorchArcface-PyTorch 是一个基于 PyTorch 实现的人脸识别模型项目帮你用自己的数据集训练识别模型并在 LFW 数据集上验证效果。本文带你走完全程装好环境、放好权重和数据集、生成训练文件最后跑出训练结果和 LFW 评估曲线。它能帮你做什么它的用途很直接用一张张人脸图片训练出一个能提取人脸特征的识别模型训练完你手里就多了一份.pth权重文件。接着跑 LFW 评估就能拿到模型准确率和一条 ROC 曲线衡量模型把同一人、不同人的脸区分开的准确度。模型的主干网络backbone简单说就是负责认脸的那部分提供 MobileFaceNet、MobileNetV1、IResNet 18~200 共 7 种可选训练用的是 Arcface 损失函数。机器配置低就选轻量的主干配置高可以上 IResNet。 跑起来前你需要准备什么环境要求与安装命令先对照这张表确认你的机器项目要求说明Python≥ 3.6代码解释器python --version可查PyTorch1.2.0推荐NVIDIA 30 系显卡可用 1.7.0GPU可选没有显卡也能跑把脚本里的Cuda True改成False确认没问题后依次执行三条命令git clone https://gitcode.com/gh_mirrors/arc/arcface-pytorch这条命令把项目代码下载到本地后面所有操作都在这个目录里进行。pip install torch1.2.0安装 PyTorch 框架装的就是代码验证过的那个版本。pip install numpy pillow matplotlib把最常用的几个第三方库一并装上之后运行中如果报No module named xxx再用 pip 补装那个库就行。权重、数据集和关键文件放哪里三个文件各归各位顺序别乱预训练权重如arcface_mobilefacenet.pth下载地址和提取码写在仓库 README 的文件下载一节百度网盘下载后放进model_data/目录。原因是train.py和eval_LFW.py里的默认model_path就指向这里放好就不用改代码。CASIA-WebFaces 训练数据集同一个下载包里的数据解压到根目录的datasets/下结构要求每个人一个子文件夹文件夹里放该人的照片。原因是生成训练文件的脚本只扫描这个目录。LFW 评估数据集解压到根目录的lfw/下。原因是评估脚本默认从lfw/读图配对文件lfw_pair.txt仓库里已提供。数据集就位后在根目录运行python txt_annotation.py它会把datasets/逐张扫一遍在根目录生成cls_train.txt每行格式为序号;图片路径train.py就是从这份文件里取训练样本的。两条命令跑完训练与评估训练先打开train.py把文件开头的参数按你的情况改好然后执行python train.py权重会按设定默认每个世代一次存进logs/目录训练结束选验证损失较低的那个即可。评估打开eval_LFW.py把backbone和model_path改成你训练时用的主干和权重路径执行python eval_LFW.py终端会打印 LFW 准确率ROC 曲线保存到model_data/roc_test.png。常用可选项换主干backbone改为mobilenetv1、iresnet50等model_path要换成与之匹配的权重两者必须对应。用 CPUtrain.py里Cuda Falseeval_LFW.py里cuda False。断点续训把model_path指向logs/里已训出的权重同时改Init_Epoch保持世代连续。⚠️ 容易卡住的地方cls_train.txt是空的或路径不对txt_annotation.py只认每个人一个子文件夹的结构解压出来多套了一层目录就会扫不到图。先核对datasets/的层级再重跑一次脚本。报版本相关错误如Tensor object has no attribute bool基本都是 torch 版本和代码不匹配。按 README 建议用 1.2.030 系显卡用 1.7.0。到这里你的第一个人脸识别模型就跑通并评估完了。【免费下载链接】arcface-pytorch这是一个arcface-pytorch的源码可以用于训练自己的模型。项目地址: https://gitcode.com/gh_mirrors/arc/arcface-pytorch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考