基于tensorflow的人脸识别技术(facenet)的测试
基于tensorflow的人脸识别技术(facenet)的测试
人脸识别的应用非常广泛，而且进展特别快。如LFW的评测结果上已经都有快接近99.9%的。
Uni-Ubi60 | 0.9900 ± 0.0032 |
|---|---|
FaceNet62 | 0.9963 ± 0.0009 |
Baidu64 | 0.9977 ± 0.0006 |
AuthenMetric65 | 0.9977 ± 0.0009 |
MMDFR67 | 0.9902 ± 0.0019 |
CW-DNA-170 | 0.9950 ± 0.0022 |
Faceall71 | 0.9967 ± 0.0007 |
JustMeTalk72 | 0.9887 ± 0.0016 |
Facevisa74 | 0.9955 ± 0.0014 |
pose+shape+expression augmentation75 | 0.9807 ± 0.0060 |
ColorReco76 | 0.9940 ± 0.0022 |
Asaphus77 | 0.9815 ± 0.0039 |
Daream78 | 0.9968 ± 0.0009 |
Dahua-FaceImage80 | 0.9978 ± 0.0007 |
Easen Electron81 | 0.9978 ± 0.0006 |
Skytop Gaia82 | 0.9630 ± 0.0023 |
CNN-3DMM estimation83 | 0.9235 ± 0.0129 |
Samtech Facequest84 | 0.9971 ± 0.0018 |
XYZ Robot87 | 0.9895 ± 0.0020 |
THU CV-AI Lab88 | 0.9973 ± 0.0008 |
dlib90 | 0.9938 ± 0.0027 |
Aureus91 | 0.9920 ± 0.0030 |
YouTu Lab, Tencent63 | 0.9980 ± 0.0023 |
Orion Star92 | 0.9965 ± 0.0032 |
Yuntu WiseSight93 | 0.9943 ± 0.0045 |
PingAn AI Lab89 | 0.9980 ± 0.0016 |
Turing12394 | 0.9940 ± 0.0040 |
Hisign95 | 0.9968 ± 0.0030 |
VisionLabs V2.038 | 0.9978 ± 0.0007 |
Deepmark96 | 0.9923 ± 0.0016 |
Force Infosystems97 | 0.9973 ± 0.0028 |
ReadSense98 | 0.9982 ± 0.0007 |
在上述模型中，有许多是商业公司的排名，所以呢，基本上很少有开源的东西。此处只对谷歌的facenet进行测试。
FaceNet的架构如下所示：
从上面可以看出，没有使用softmax层，而直接利用L2层正则化输出，获取其图像表示，即特征抽象层。而深度学习的框架可以使用现有的成熟模型，如tensorflow slim中的每一种模型。
而最后一个Triplet Loss则是采用了三元组的损失函数。其代码如下所示
def triplet_loss(anchor, positive, negative, alpha):
"""Calculate the triplet loss according to the FaceNet paper
Args:
anchor: the embeddings for the anchor images.
positive: the embeddings for the positive images.
negative: the embeddings for the negative images.
Returns:
the triplet loss according to the FaceNet paper as a float tensor.
"""
with tf.variable_scope('triplet_loss'):
pos_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, positive)), 1)
neg_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, negative)), 1)
basic_loss = tf.add(tf.subtract(pos_dist,neg_dist), alpha)
loss = tf.reduce_mean(tf.maximum(basic_loss, 0.0), 0)
return loss从上面代码可以看出，三元组其实就是三个样例，如(anchor, pos, neg)，利用距离关系来判断。即在尽可能多的三元组中，使得anchor和pos正例的距离，小于anchor和neg负例的距离。
其学习优化如下图所示：
测试：(代码见：https://github.com/davidsandberg/facenet)
由于facenet无需限制人脸对齐，但是代码中提供了MTCNN的对齐，而且在LFW评分中也发现经过对齐的分数能够提高一个档次。
利用提供的代码，在LFW上进行EVAL，发现其精度高达99.2%
当然，还有更高的。
另外，程序中还提供了进行两张图片距离的比较的代码，进行调试，结果如下：
