facenet在亚洲人脸上的效果测试

准备工作

下载FaceNet源码

https://github.com/davidsandberg/facenet

LFW评估测试数据下载

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

下载亚洲人脸数据CASIA-FaceV5

原上传者地址：https://download.csdn.net/download/weixin_42179317/10405384

若无csdn积分可以直接用百度云盘下载：

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

步骤

1. align_dataset_mtcnn.py提取lfw数据人脸
2. validate_on_lfw.py测试预训练模型在lfw数据上的准确率，用了三个预训练模型：20170512-110547，20180402-114759，20180408-102900。（一个小插曲，跑的时候会报错，32位需要64位，可参考https://blog.csdn.net/meihuafeixue/article/details/85085839，总结下来是2017的模型需要64，2018两个模型需要32）
3. align_dataset_mtcnn.py提取亚洲人脸（在此之前需要先生成一个pairs.txt文件，存放样本分配，可参考https://blog.csdn.net/cytheria43/article/details/103560164）
4. 修改一下validate_on_lfw.py，测试预训练模型在亚洲人脸数据上的准确率，时间原因只用了两个个预训练模型：20170512-110547，20180402-114759

测试结果

1. 三个预训练模型在LFW上的结果

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

## 结果
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

## 结果
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

## 结果
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. 在亚洲人脸的结果

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

##结果
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

##结果
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
           

结论

     预训练模型从LFW数据到亚洲人脸，准确率Accuray下降了4-6%左右，看着下降不多，但是Validation rate则从97%和90%左右下降到51和64%，效果衰减很厉害。

    为什么说效果衰减很大，要理解Validation rate的意思。

Validation rate: 0.50733+-0.02662 @ FAR=0.00133

拿上面这个例子来说：FAR好像是false accuray的意思，就是说把不同的人预测成为同一个人的概率，所以说，validation rate是指，模型把不同的人错误的认定为同一个人的概率为0.00133（这个概率值很小，就是模型大概率不会把不同的人认错为同一个人），把同一个人识别成功的概率为0.50733+-0.02662

说的有点绕，大家可以参考https://blog.csdn.net/anthea_luo/article/details/80258856

或者google，有人说的比较清楚的

接下来就是看如何用亚洲人脸图库来训练facenet模型拉。

参考：

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