facenet_recognition 0.1.4

先决条件

• 您需要安装python（2.6到3.5）
• 基于x的系统支持（在windows上有效，但未经测试）

安装

pipinstallfacenet_recognition

设置

创建如下设置：

1. 创建输入目录例如：input_images
2. 创建对齐图像目录例如：对齐图像创建此 目录我们将在这里存储对齐的图像
3. 创建预先训练的模型目录例如：pre trained_facenet_model 从下载预先训练的模型 ` facenet `并保留它 在pre_model目录中
4. 创建我的训练有素的分类器目录，例如：my_classifier在此 目录我们将保存我们的培训模型

对于面部识别，我们需要按如下方式对齐图像：

importfacenet_recognitionfacenet_recognition.align_input('input_images','aligned_images')

上面的命令将把我们的输入图像创建为对齐格式并保存 它位于给定的对齐图像文件夹

在图像上训练和测试分类器

在我们对齐图像之后，现在我们可以训练分类器了。

pre_model='./pretrained_facenet_model/20170511-185253.pb'#locaiton of pret-trained model from Facenetmy_class='./my_classifier/my_classifier.pkl'#location where we want to savetest_classifier_type='svm'#type of model either svm or nnweight='./my_classifier/model_small.yaml'#local stored weightsfacenet_recognition.test_train_classifier(aligned_images,pre_model,my_class,weight,test_classifier_type,nrof_train_images_per_class=30,seed=102)

mininum每人需要的图像：1number张用于培训的图像 每人30美元（可配置）

在图像上训练Classifier（仅限训练）

此api用于在对齐的图像上训练分类器

pre_model='./pretrained_facenet_model/20170511-185253.pb'#locaiton of pret-trained model from Facenetmy_class='./my_classifier/my_classifier.pkl'#location where we want to savetest_classifier_type='nn'#type of model either svm or nnweight='./my_classifier/model_small.yaml'#local stored weightsfacenet_recognition.create_classifier(aligned_images,pre_model,my_class,weight,test_classifier_type)

mininum每人需要的图像：1number张用于培训的图像 每人30美元（固定）

在图像上测试Classifier

此API用于测试我们训练有素的Classifier

pre_model='./pretrained_facenet_model/20170511-185253.pb'#locaiton of pret-trained model from Facenetmy_class='./my_classifier/my_classifier.pkl'#location where we want to savetest_classifier_type='nn'#type of model either svm or nnweight='./my_classifier/model_small.yaml'#local stored weightsfacenet_recognition.test_classifier(aligned_images,pre_model,my_class,weight,test_classifier_type)

mininum每人需要的图像：1