LightCNN 다운로드 - LightCNN 소스 코드 다운로드

LightCNN

파이썬

1.0.0

다운로드

Pytorch에서 깊은 얼굴 인식을위한 가벼운 CNN

Xiang Wu의 논문의 시끄러운 레이블로 깊은 얼굴 표현을위한 가벼운 CNN의 Pytorch 구현은 Hen, Zhenan Sun 및 Tieniu Tan을 달렸습니다. 공식 및 원본 카페 코드는 여기에서 찾을 수 있습니다.

업데이트

2022 년 2 월 9 일
- Light CNN V4 사전 처리 된 모델이 해제됩니다.
2018 년 1 월 17 일
- Light CNN-29 V2 모델 및 교육 코드가 출시됩니다. LFW의 100% - EER 99.43%를 달성합니다.
- 메가 페이스에서 세트 1의 성능은 순위 1 정확도의 경우 76.021% , tpr@far = 10^-6의 경우 89.740%를 달성합니다.
2017 년 9 월 12 일
- Light CNN-29 모델 및 교육 코드가 출시됩니다. LFW의 100% - EER 99.40%를 달성합니다.
- 메가 페이스에서 세트 1의 성능은 순위 1 정확도의 경우 72.704%, tpr@far = 10^-6의 경우 85.891%를 달성합니다.
2017 년 7 월 12 일
- Light CNN-9 모델 및 교육 코드가 출시됩니다. LFW의 100% - EER 98.70%를 얻습니다.
- 메가 페이스에서 세트 1의 성능은 순위 1 정확도의 경우 65.782% , tpr@far = 10^-6의 경우 76.288%를 달성합니다.
2017 년 7 월 4 일
- 저장소가 구축되었습니다.

설치

웹 사이트를 따라 Pytorch를 설치하십시오.
이 저장소를 복제하십시오.
- 참고 : 현재 Python 2.7에서만 실행합니다.

데이터 세트

Casia-Webface, VGG-Face 및 MS-CELEB-1M과 같은 얼굴 데이터 세트를 다운로드하십시오.
- MS-Celeb-1M Clean 목록이 업로드되었습니다 : Baidu Yun, Google Drive.
모든 얼굴 이미지는 랜드 마크에 따라 회색 규모 이미지로 변환되고 144x144 로 정규화됩니다.
다섯 가지 얼굴 지점에 따르면, 우리는 두 개의 눈가기를 수평으로 회전 할뿐만 아니라 눈의 중간 점과 입 중간 점 (EC_MC_Y)과 눈의 중간 점 (EC_Y) 사이의 거리를 설정합니다.
정렬 된 LFW 이미지는 Baidu Yun에 업로드됩니다.
데이터 세트 크기 EC_MC_Y EC_Y
훈련 세트 144x144 48 48
테스트 세트 128x128 48 40

데이터 세트	크기	EC_MC_Y	EC_Y
훈련 세트	144x144	48	48
테스트 세트	128x128	48	40

훈련

기차 스크립트를 사용하여 Light CNN을 훈련 시키려면 train.py 에 나열된 매개 변수를 깃발로 지정하거나 수동으로 변경하십시오.

python train.py --root_path=/path/to/your/datasets/ 
		--train_list=/path/to/your/train/list.txt 
		--val_list=/path/to/your/val/list.txt 
		--save_path=/path/to/your/save/path/ 
		--model= " LightCNN-9/LightCNN-29 " --num_classes=n

팁 :
- 열차 및 VAL 데이터 세트 목록에는 카페 형식이 뒤 따릅니다. 데이터 로더의 세부 사항은 load_imglist.py 에 표시됩니다. 또는 torchvision.datasets.ImageFolder 사용하여 데이터 세트를로드 할 수 있습니다.
- num_classes 는 교육 데이터 세트의 신원 수를 나타냅니다.
- Pytorch의 훈련을 할 때는 Caffe보다 더 큰 학습 속도를 설정할 수 있으며 Light CNN 용 Caffe보다 Pytorch에 의해 더 빠르게 변환됩니다.
- 우리는 더 나은 성능을 이끌어 낼 수있는 FC2의 매개 변수에 대한 학습 속도를 확대합니다. 자신의 데이터 세트에서 교육이 무너지면 감소 할 수 있습니다.
- 공식 Pytorch 구현이 Sutskever et와는 다르기 때문에 추진력으로 SGD의 구현을 수정합니다. 알. 세부 사항은 여기에 표시됩니다.
- LightCNN-29V2의 교육 데이터 세트는 CASIA-WEBFACE 및 MS-CELEB-1M이므로 num_classes 는 80013 입니다.

평가

훈련 된 네트워크를 평가하려면 :

 python extract_features.py --resume=/path/to/your/model 
			   --root_path=/path/to/your/datasets/ 
			   --img_list=/path/to/your/list.txt 
			   --save_path=/path/to/your/save/path/ 
			   --model="LightCNN-9/LightCNN-29/LightCNN-29v2"
			   --num_classes=n (79077 for LightCNN-9/LightCNN-29, 80013 for LightCNN-29v2)

vlfeat 또는 sklearn 사용하여 ROC의 기능을 평가하고 테스트 데이터 세트에 대해 EER 및 TPR@FPR 을 얻을 수 있습니다.
LightCNN-9의 모델은 Google 드라이브에서 릴리스됩니다.
- 릴리스 모델에는 Light CNN 모듈 및 Optimizer의 전체 상태가 포함되어 있습니다. 로딩 모델의 세부 사항은 train.py 에서 찾을 수 있습니다.
LightCNN-29의 모델은 Google 드라이브에서 릴리스됩니다.
LightCNN-29 V2의 모델은 Google 드라이브에서 릴리스됩니다.
Lightcnn-9의 LFW 및 Megaface의 특징이 출시됩니다.
LightCNN V4의 모델은 Google 드라이브에서 릴리스됩니다.
- lightcnn v4의 상세한 구조는 light_cnn_v4.py에 표시됩니다.
- 입력은 정렬 된 128*128 bgr 얼굴 이미지입니다.
- 입력 픽셀 값은 평균 ([0.0, 0.0, 0.0]) 및 std ([255.0, 255.0, 255.0])에 의해 정규화됩니다.

성능

LFW 6,000 쌍의 Light CNN 성능.

모델	100% -Eer	tpr@far = 1%	tpr@far=0.1%	tpr@far = 0
Lightcnn-9	98.70%	98.47%	95.13%	89.53%
LightCNN-29	99.40%	99.43%	98.67%	95.70%
LightCNN-29V2	99.43%	99.53%	99.30%	96.77%
Lightcnn V4	99.67%	99.67%	99.57%	99.27%

LFW BLUFR 프로토콜의 가벼운 CNN 성능

모델	vr@far=0.1%	dir@far = 1%
Lightcnn-9	96.80%	83.06%
LightCNN-29	98.95%	91.33%
LightCNN-29V2	99.41%	94.43%

메가 페이스의 가벼운 CNN 성능

모델	순위 -1	tpr@far = 1e-6
Lightcnn-9	65.782%	76.288%
LightCNN-29	72.704%	85.891%
LightCNN-29V2	76.021%	89.740%

소환

우리 모델을 사용하는 경우 다음 논문을 인용하십시오.

 @article{wu2018light,
  title={A light CNN for deep face representation with noisy labels},
  author={Wu, Xiang and He, Ran and Sun, Zhenan and Tan, Tieniu},
  journal={IEEE Transactions on Information Forensics and Security},
  volume={13},
  number={11},
  pages={2884--2896},
  year={2018},
  publisher={IEEE}
}