Skip to content

Latest commit

 

History

History
110 lines (89 loc) · 4.7 KB

README_zh.md

File metadata and controls

110 lines (89 loc) · 4.7 KB
Raw

Gluon FR Toolkit

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.

安装指南

Gluon-fr支持python3.5或以上版本. 同时需要Mxnet和gluon-cv,可以用以下命令安装它们.

  • Mxnet建议安装稳定版或者nightly版,gluon-cv必须安装nightly版.
  • 如果想要训练必须要GPU.
pip install gluoncv --pre
pip install mxnet-mkl --pre --upgrade
# if cuda XX is installed
pip install mxnet-cuXXmkl --pre --upgrade

之后安装gluon-fr

  • 从源码安装(建议)
pip install git+https://github.com/THUFutureLab/gluon-face.git@master
  • pip安装
pip install gluonfr

GluonFR 介绍:

GluonFR 基于gluon-cv, 如果你不太熟悉它可以阅读一个简短的教程.dmlc 60-minute crash course.

训练数据:

这一部分主要提供训练和验证数据的输入. GluonFR目前使用的训练集是由DeepInsight提供, 使用mtcnn进行关键点检测并对齐至(112, 112)大小, 详情参考[insightface/Dataset-Zoo]. 另外, data/中还包括nvidia-dali库的使用样例, 在CPU预处理数据成为训练瓶颈时可以考虑试用, 目前dali库中坑还比较多.

训练数据目录结构如下所示:

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

我们使用 ~/.mxnet/datasets 作为根目录为了保持和mxnet一致.

模型:

mobile_facenet, res_attention_net, se_resnet...

可以查看我们的model_zoo获取更多信息

Loss函数:

GluonFR 提供了在人脸识别中主流的loss函数, 包括 SoftmaxCrossEntropyLoss, ArcLoss, TripletLoss, RingLoss, CosLoss, L2Softmax, ASoftmax, CenterLoss, ContrastiveLoss, ... , 并且我们还会随时更新它们.
如果有任何遗漏的loss我们没有实现,你可以提交一个 issue 告知我们.

Example:

GluonFR提供了Mnist手写数字识别的训练和可视化代码, 用于验证损失函数的有效性;在人脸识别数据集上基于model-zoo模型完成训练.

Losses in GluonFR:

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

Method Paper Visualization of MNIST 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

预训练模型

我们在在WiKi中的Model_Zoo提供预训练模型的更多细节.

Todo

  • More pretrained models
  • IJB and Megaface Results
  • Other losses
  • Dataloader for loss depend on how to provide batches like Triplet, ContrastiveLoss, RangeLoss...
  • Try GluonCV resnetV1b/c/d/ to improve performance
  • Create hosted docs
  • Test module
  • Pypi package

文档

目前还没有文档可供浏览.我们可能会在后期提供它们.

作者

{ haoxintong Yangxv Haoyadong Sunhao }

讨论区

我们的中文讨论区在 中文社区Gluon-Forum

参考文献

  1. MXNet Documentation and Tutorials https://zh.diveintodeeplearning.org/

  2. NVIDIA DALI documentationNVIDIA DALI documentation

  3. Deepinsight insightface