人脸识别：insightface自定义数据集制作 | 附练手数据集
人脸识别：insightface自定义数据集制作 | 附练手数据集
来源：公众号 AI算法与图像处理 授权转
01
人脸识别简介
简单来讲，人脸识别这个问题，就是给定两个人脸，然后判定他们是不是同一个人，这是它最原始的定义。它有很多应用场景，比如银行柜台、海关、手机解锁、酒店入住、网吧认证，会查身份证跟你是不是同一个人。
关于人脸识别的内容，网上资料很多，这里推荐一篇综述，详细介绍了一些人脸识别的背景和目前的相关研究，以及常用的人脸识别模型：
http://www.elecfans.com/d/709424.html
好了，直接进入主题，今天的重点：
insightface论文：https://arxiv.org/abs/1801.07698
insightface github项目：https://github.com/deepinsight/insightface
02
制作数据集
一、环境配置
官方提供的项目是基于mxnet框架的
因此首先需要配置好这些环境，这里假设已经安装好cuda等
mxnet的安装相对来说比较简单（相对于caffe）
（1）查询自己cuda的版本
# 输入
nvcc -V
# 输出结果
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176（2）用pip安装mxnet（GPU版本）
pip install mxnet-cu90
# 根据自身情况查询对应的安装命令，例如我服务器的cuda版本是10.0的，安装命令为 pip install mxnet-cu100二、克隆项目和数据集下载
将insight项目克隆到本地
git clone --recursive https://github.com/deepinsight/insightface.git下载lfw数据集
链接：http://vis-www.cs.umass.edu/lfw/index.html#download
这里为了方便，提供了lfw的部分用于练手
练手数据集https://www.lanzous.com/i7gdxva，仅用于制作数据集练手
观察数据集：
这里提供了20个用于练手，完整数据集可以去上面的链接或自行查找下载。
说明：每个文件夹名为人的姓名，文件夹内包含多张人脸（>=1）。
三、开始制作所需要格式的数据集
（1）数据对齐并生成lst文件
将lfw数据集下载好并放置在datasets下（这里以lfwdata命名的文件夹），然后新建一个文件夹并命名为output保存对齐后的人脸图片，新建一个文件夹命名为train用于保存输出结果
运行insightface项目下 src/align下的align_lfw.py文件
python align_lfw.py --input-dir ../../datasets/lfwdata --output-dir ../../datasets/output--input ：输入需要对齐的数据的路径
--output：输出对齐后的数据保存路径
对齐后的图片
遇到问题1： ValueError: Object arrays cannot be loaded when allow_pickle=False 解决方案： pip3 install numpy==1.16.1 如果已安装了多个numpy版本，需要先将其卸载后在运行 遇到问题2： AttributeError: module 'scipy.misc' has no attribute 'imread' 解决方案： pip install scipy==1.1.0
如果成功运行，output文件夹下会产生对齐后的人脸以及一个lst文件（将lst文件改名为 train.lst，并移动到train文件下）
终端下，移动和重命名的操作
# 重命名 mv [原始文件名] [改变后的文件名]
mv lst train.lst
# 移动 mv [起始文件路径] [目标文件路径]
mv train.lst ../train/观察生成的 lst 文件内容：
1 ../../datasets/train/Abbas_Kiarostami/Abbas_Kiarostami_0001.jpg 0
1 ../../datasets/train/Abdel_Aziz_Al-Hakim/Abdel_Aziz_Al-Hakim_0001.jpg 1
# 其中1代表对齐，最后的数字0,1代表class label 中间是地址；需要用\t表示tab键，不能用空格间隔。（2）创建property配置文件
在datasets/train下创建property，没有后缀
写入下面内容，含义1000,112,112代表ID数量，尺寸，尺寸
1000,112,112（3）生成rec&idx文件（依托于lst文件）
运行src/data face2rec2.py
python face2rec2.py ../../datasets/train/运行可能会报错，需要修改，可能原因是源代码是基于python2的
在python3下运行，修改第105行成如下所示：
s = mx.recordio.pack(header, b'')运行成功后会出现两个文件
train.idx和train.rec将train.idx, train.rec是放置在train文件夹中，用于后续训练使用，不然后续创建pair会报错
（4）创建pair文件
为了做测试我们需要生成验证集用的bin文件，bin文件生成前需要做pair文件，就是一对一对的数据，每一行分别是
图A的目录 空格 图B的目录 空格 标志0/1（代表两张图类别一致否）在src/data下新建一个代码generate_image_pairs.py用于生成pairs
代码来源：https://blog.csdn.net/CLOUD_J/article/details/100672392
# coding:utf-8
import sys
import os
import random
import time
import itertools
import pdb
import argparse
#src = '../../datasets/lfw2'
#dst = open('../../datasets/lfw/train.txt', 'a')
parser = argparse.ArgumentParser(description='generate image pairs')
# general
parser.add_argument('--data-dir', default='', help='')
parser.add_argument('--outputtxt', default='', help='path to save.')
parser.add_argument('--num-samepairs',default=100)
args = parser.parse_args()
cnt = 0
same_list = []
diff_list = []
list1 = []
list2 = []
folders_1 = os.listdir(args.data_dir)
dst = open(args.outputtxt, 'a')
count = 0
dst.writelines('\n')
# 产生相同的图像对
for folder in folders_1:
sublist = []
same_list = []
imgs = os.listdir(os.path.join(args.data_dir, folder))
for img in imgs:
img_root_path = os.path.join(args.data_dir, folder, img)
sublist.append(img_root_path)
list1.append(img_root_path)
for item in itertools.combinations(sublist, 2):
for name in item:
same_list.append(name)
if len(same_list) > 10 and len(same_list) < 13:
for j in range(0, len(same_list), 2):
if count < int(args.num_samepairs):#数量可以修改
dst.writelines(same_list[j] + ' ' + same_list[j+1]+ ' ' + '1' + '\n')
count += 1
if count >= int(args.num_samepairs):
break
list2 = list1.copy()
# 产生不同的图像对
diff = 0
print(count)
# 如果不同的图像对远远小于相同的图像对，则继续重复产生，直到两者相差很小
while True:
random.seed(time.time() * 100000 % 10000)
random.shuffle(list2)
for p in range(0, len(list2) - 1, 2):
if list2[p] != list2[p + 1]:
dst.writelines(list2[p] + ' ' + list2[p + 1] + ' ' + '0'+ '\n')
diff += 1
if diff >= count:
break
#print(diff)
if diff < count:
#print('--')
continue
else:
break运行generate_image_pairs.py
python3 generate_image_pairs.py --data-dir ../../datasets/output --outputtxt ../../datasets/train/train.txt --num-samepairs 5--data-dir 后接对齐后的人脸
--outputtxt 用于保存train.txt文件
--num-samepairs 生成多少对（具体如何设置，还需要好好研究一下）
运行成功后在datasets/train下会生成一个train.txt文件
内容：
../../datasets/output/Abdullah/Abdullah_0002.jpg ../../datasets/output/Abdullah/Abdullah_0004.jpg 1
# 前面两个分布是生成的pairs的路径，后面的0/1代表是否同一个人或类（5）生成验证集bin文件
成功后利用/src/data/下的 lfw2pack.py生成bin文件
但是存在点问题，对lfw2pack.py进行稍微的修改，修改lfw2pack.py中19行，打#的为更改的，改为两个参数，一个是txt读出来的列表，另一个是总数量。
import mxnet as mx
from mxnet import ndarray as nd
import argparse
import pickle
import sys
import os
sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'eval'))
import lfw
parser = argparse.ArgumentParser(description='Package LFW images')
# general
parser.add_argument('--data-dir', default='', help='')
# 修改１：图像大小修改为112，112
parser.add_argument('--image-size', type=str, default='112,112', help='')
parser.add_argument('--output', default='', help='path to save.')
# 修改2：添加解析参数
parser.add_argument('--num-samepairs',default=100)
args = parser.parse_args()
lfw_dir = args.data_dir
image_size = [int(x) for x in args.image_size.split(',')]
# 修改3：将文件名pairs.txt修改成train.txt
lfw_pairs = lfw.read_pairs(os.path.join(lfw_dir, 'train.txt'))
print(lfw_pairs)
# 修改4：下一行进行修改成需要的格式
# lfw_paths, issame_list = lfw.get_paths(lfw_dir, lfw_pairs, 'jpg'）
lfw_paths, issame_list = lfw.get_paths(lfw_pairs,int(args.num_samepairs)+1)#, 'jpg')
lfw_bins = []
#lfw_data = nd.empty((len(lfw_paths), 3, image_size[0], image_size[1]))
print(len(issame_list))
i = 0
for path in lfw_paths:
with open(path, 'rb') as fin:
_bin = fin.read()
lfw_bins.append(_bin)
#img = mx.image.imdecode(_bin)
#img = nd.transpose(img, axes=(2, 0, 1))
#lfw_data[i][:] = img
i+=1
if i%1000==0:
print('loading lfw', i)
with open(args.output, 'wb') as f:
pickle.dump((lfw_bins, issame_list), f, protocol=pickle.HIGHEST_PROTOCOL)对应的get_paths这个文件存在src/eval/lfw.py下，把它也改了
def get_paths(pairs, same_pairs):
nrof_skipped_pairs = 0
path_list = []
issame_list = []
cnt = 1
for pair in pairs:
path0 = pair[0]
path1 = pair[1]
if cnt < same_pairs:
issame = True
else:
issame = False
if os.path.exists(path0) and os.path.exists(path1): # Only add the pair if both paths exist
path_list += (path0,path1)
issame_list.append(issame)
else:
print('not exists', path0, path1)
nrof_skipped_pairs += 1
cnt += 1
if nrof_skipped_pairs>0:
print('Skipped %d image pairs' % nrof_skipped_pairs)
return path_list, issame_listvim中多行注释方法：
多行注释：
1. 进入命令行模式，按ctrl + v进入 visual block模式，然后按j, 或者k选中多行，把需要注释的行标记起来
2. 按大写字母I，再插入注释符，例如 #
3. 按esc键就会全部注释了
取消多行注释：
1. 进入命令行模式，按ctrl + v进入 visual block模式，按字母l横向选中列的个数，例如 # 需要选中2列
2. 按字母j，或者k选中注释符号
3. 按d键就可全部取消注释之后再运行
python3 lfw2pack.py --data-dir ../../datasets/train --output ../../datasets/train/lfw.bin --num-samepairs 2注意：我这里报错了（没有报错的小伙伴可以忽略）
path0 = pair[0]
IndexError: list index out of range仔细分析之后，是因为在train.txt中存在空白行导致，直接删除即可，如果没有报错可以直接忽略
至此，我们已经完成了数据集的制作，后续会更新如何训练，以及使用。
这部分内容，是本人摸索了很久才搞定的，本文尽可能的写的详细，希望能帮到大家，写这篇的时候又重新操作了一遍！
参考链接： https://blog.csdn.net/CLOUD_J/article/details/100672392 https://blog.csdn.net/hanjiangxue_wei/article/details/86566497