Gluon Face Toolkit¶

GluonFR是一个基于MXNet Gluon API实现的人脸识别工具箱. 此项目灵感来自GluonCV, 并按照其结构组织. 除了帮助研究者和开发者们迅速上手目前最前沿的人脸识别算法, 也希望能够让更多的人了解Gluon这一好用的工具, 使用MXNet-Gluon进行深度学习算法的研究.

提示

如果你不了解MXNet和Gluon, 请参考《动手学深度学习》.

Gluon Face提供目前人脸识别中主流的损失函数, 包括ArcLoss, TripletLoss, RingLoss, CosLoss, L2Softmax, ASoftmax, CenterLoss, ContrastiveLoss等, 在此基础上我们会继续更新. 如果有希望我们实现的损失函数, 欢迎提交 issue.

Gluon Face中的损失函数¶

下表中最后一列是论文中在LFW上的最优结果, 训练数据/网络结构可能不同, 仅供参考.

Method	Paper	LFW
Contrastive Loss	ContrastiveLoss
Triplet	1503.03832	99.63±0.09
Center Loss	CenterLoss	99.28
L2-Softmax	1703.09507	99.33
A-Softmax	1704.08063	99.42
CosLoss/AMSoftmax	1801.05599/1801.05599	99.17
Arcloss	1801.07698	99.82
Ring loss	1803.00130	99.52
LGM Loss	1803.02988	99.20±0.03

作者¶

{ haoxintong Yangxv }

讨论区¶

我们的讨论区在 Gluon中文论坛

参考文献¶

MXNet 文档和教程 http://zh.d2l.ai/
NVIDIA DALI 文档NVIDIA DALI documentation
Deepinsight insightface

Installation¶

尽管此工程理论上能够在Windows系统上使用, 但我们还是建议使用ubuntu系统进行学习和开发.

Gluon Face 支持Python 3.5及以上版本. 为了安装此工具包, 首先安装MXNet和gluon-cv:

pip install gluoncv --pre
pip install mxnet-mkl --pre --upgrade
# if cuda XX is installed
pip install mxnet-cuXXmkl --pre --upgrade

然后安装此项目:

从源码安装(推荐)

pip install git+https://github.com/THUFutureLab/gluon-face.git@master

使用pip

pip install gluonfr

Datasets¶

gluonfr.data 提供了训练和验证的输入流程, 目前所有数据集由洞见实验室制作提供, 所有人脸图像均使用MTCNN进行对齐, 并截断至``(112, 112)``大小. 为了加速读取它们被转化成 train.rec, train.idx 以及 val_data.bin, 详细信息请参考 [insightface/Dataset-Zoo].

在 examples/dali_utils.py 文件中, 有一个使用Nvidia DALI准备数据的简单例子, 当CPU处理数据成为训练瓶颈时推荐使用.

将下载好的数据集按如下结构组织:

face/
    emore/
        train.rec
        train.idx
        property
    ms1m/
        train.rec
        train.idx
        property
    lfw.bin
    agedb_30.bin
    ...
    vgg2_fp.bin

为了保持和MXNet一致, 使用 ~/.mxnet/datasets 作为数据集的根目录.

参考文献¶

Model Zoo¶

Mobilefacenet 结果¶

TestSet	Ours	Insightface	Proposed
LFW:	99.56	99.50	99.55
CFP_FP:	92.98	88.94
AgeDB30:	95.86	95.91	96.07

参考:

1. 代码库：code 训练脚本训练日志和模型：百度云:y5zh, 谷歌云. 2. Insightface 训练结果. 3. Mobilefacenets 论文.

细节¶

Flip	False	True
lfw:	0.995500+-0.003337	0.995667+-0.003432
calfw:	0.951000+-0.012069	0.973083+-0.022889
cplfw:	0.882000+-0.014295	0.938556+-0.045234
cfp_fp:	0.927714+-0.015309	0.929880+-0.035907
agedb_30:	0.958667+-0.008492	0.934903+-0.033667
cfp_ff:	0.995571+-0.002744	0.944868+-0.037657
vgg2_fp:	0.920600+-0.010920	0.940581+-0.032677

补充¶

1. Github有一些项目调到了更好的结果, 但他们使用的特征层是512维, 我们按照原论文中的设置是128维, 模型大小只有4.1M. 2. 欢迎使用gluonface中提供的脚本进行更多的实验, 如果你训练出了更好的结果也可以通过PR提交给我们.

API Reference¶

请跳转至英文版查阅.

Gluon Face Toolkit¶

Gluon Face中的损失函数¶

作者¶

讨论区¶

参考文献¶

Installation¶

Datasets¶

参考文献¶

Model Zoo¶

Mobilefacenet 结果¶

细节¶

补充¶

相关论文¶

人脸识别¶

参考资料¶

API Reference¶