facenet在亞洲人臉上的效果測試

準備工作

下載下傳FaceNet源碼

https://github.com/davidsandberg/facenet

LFW評估測試資料下載下傳

http://vis-www.cs.umass.edu/lfw/lfw.tgz

下載下傳亞洲人臉資料CASIA-FaceV5

原上傳者位址：https://download.csdn.net/download/weixin_42179317/10405384

若無csdn積分可以直接用百度雲盤下載下傳：

https://pan.baidu.com/s/1WS4nooNQgmQHR6EpmrW6dw  密碼: sc8b

步驟

1. align_dataset_mtcnn.py提取lfw資料人臉
2. validate_on_lfw.py測試預訓練模型在lfw資料上的準确率，用了三個預訓練模型：20170512-110547，20180402-114759，20180408-102900。（一個小插曲，跑的時候會報錯，32位需要64位，可參考https://blog.csdn.net/meihuafeixue/article/details/85085839，總結下來是2017的模型需要64，2018兩個模型需要32）
3. align_dataset_mtcnn.py提取亞洲人臉（在此之前需要先生成一個pairs.txt檔案，存放樣本配置設定，可參考https://blog.csdn.net/cytheria43/article/details/103560164）
4. 修改一下validate_on_lfw.py，測試預訓練模型在亞洲人臉資料上的準确率，時間原因隻用了兩個個預訓練模型：20170512-110547，20180402-114759

測試結果

1. 三個預訓練模型在LFW上的結果

###### 模型：20170512-110547
python validate_on_lfw.py ../data/lfw_160 ../20170512-110547  --lfw_pairs ../data/pairs.txt

## 結果
Accuracy: 0.99200+-0.00464
Validation rate: 0.97633+-0.01433 @ FAR=0.00167
Area Under Curve (AUC): 1.000
Equal Error Rate (EER): 0.008


###### 模型：20180402-114759
python validate_on_lfw.py ../data/lfw_160 ../20180402-114759 --lfw_pairs ../data/pairs.txt

## 結果
Accuracy: 0.98467+-0.00407
Validation rate: 0.90567+-0.01995 @ FAR=0.00067
Area Under Curve (AUC): 0.998
Equal Error Rate (EER): 0.015

###### 模型：20180408-102900
python validate_on_lfw.py ../data/lfw_160 ../20180408-102900 --lfw_pairs ../data/pairs.txt

## 結果
Accuracy: 0.97817+-0.00502
Validation rate: 0.83967+-0.03686 @ FAR=0.00133
Area Under Curve (AUC): 0.997
Equal Error Rate (EER): 0.025
           

2. 在亞洲人臉的結果

#### 模型：20170512-110547
python validate_on_lfw.py ../data/64_CASIA-FaceV5_160 ../20170512-110547 --lfw_pairs ../data/pairs_Asia.txt

##結果
Accuracy: 0.93383+-0.01126
Validation rate: 0.50733+-0.02662 @ FAR=0.00133
Area Under Curve (AUC): 0.984
Equal Error Rate (EER): 0.066


#### 模型：20170512-110547
python validate_on_lfw.py ../data/64_CASIA-FaceV5_160 ../20180402-114759 --lfw_pairs ../data/pairs_Asia.txt

##結果
Accuracy: 0.94017+-0.00361
Validation rate: 0.63900+-0.03310 @ FAR=0.00133
Area Under Curve (AUC): 0.985
Equal Error Rate (EER): 0.061
           

結論

     預訓練模型從LFW資料到亞洲人臉，準确率Accuray下降了4-6%左右，看着下降不多，但是Validation rate則從97%和90%左右下降到51和64%，效果衰減很厲害。

    為什麼說效果衰減很大，要了解Validation rate的意思。

Validation rate: 0.50733+-0.02662 @ FAR=0.00133

拿上面這個例子來說：FAR好像是false accuray的意思，就是說把不同的人預測成為同一個人的機率，是以說，validation rate是指，模型把不同的人錯誤的認定為同一個人的機率為0.00133（這個機率值很小，就是模型大機率不會把不同的人認錯為同一個人），把同一個人識别成功的機率為0.50733+-0.02662

說的有點繞，大家可以參考https://blog.csdn.net/anthea_luo/article/details/80258856

或者google，有人說的比較清楚的

接下來就是看如何用亞洲人臉圖庫來訓練facenet模型拉。

參考：

https://github.com/MrZhousf/tf_facenet

https://blog.csdn.net/zhongzhongzhen/article/details/78293789

https://blog.csdn.net/sinat_36742186/article/details/84667702

https://blog.csdn.net/cytheria43/article/details/103560164

https://blog.csdn.net/anthea_luo/article/details/80258856