人臉識別：insightface自定義數據集製作 | 附練手數據集

• 2019 年 11 月 24 日
• 筆記

來源：公眾號 AI演算法與影像處理 授權轉

01

人臉識別簡介

簡單來講，人臉識別這個問題，就是給定兩個人臉，然後判定他們是不是同一個人，這是它最原始的定義。它有很多應用場景，比如銀行櫃檯、海關、手機解鎖、酒店入住、網吧認證，會查身份證跟你是不是同一個人。

關於人臉識別的內容，網上資料很多，這裡推薦一篇綜述，詳細介紹了一些人臉識別的背景和目前的相關研究，以及常用的人臉識別模型：

http://www.elecfans.com/d/709424.html

好了，直接進入主題，今天的重點：

insightface論文：https://arxiv.org/abs/1801.07698

insightface github項目：https://github.com/deepinsight/insightface

02

製作數據集

一、環境配置

官方提供的項目是基於mxnet框架的

因此首先需要配置好這些環境，這裡假設已經安裝好cuda等

mxnet的安裝相對來說比較簡單（相對於caffe）

（1）查詢自己cuda的版本

# 輸入  nvcc -V  # 輸出結果  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安裝mxnet（GPU版本）

pip install mxnet-cu90  # 根據自身情況查詢對應的安裝命令，例如我伺服器的cuda版本是10.0的，安裝命令為 pip install mxnet-cu100

二、克隆項目和數據集下載

將insight項目克隆到本地

git clone --recursive https://github.com/deepinsight/insightface.git

下載lfw數據集

鏈接：http://vis-www.cs.umass.edu/lfw/index.html#download

這裡為了方便，提供了lfw的部分用於練手

練手數據集https://www.lanzous.com/i7gdxva，僅用於製作數據集練手

觀察數據集：

這裡提供了20個用於練手，完整數據集可以去上面的鏈接或自行查找下載。

說明：每個文件夾名為人的姓名，文件夾內包含多張人臉（>=1）。

三、開始製作所需要格式的數據集

（1）數據對齊並生成lst文件

將lfw數據集下載好並放置在datasets下（這裡以lfwdata命名的文件夾），然後新建一個文件夾並命名為output保存對齊後的人臉圖片，新建一個文件夾命名為train用於保存輸出結果

運行insightface項目下 src/align下的align_lfw.py文件

python align_lfw.py --input-dir ../../datasets/lfwdata --output-dir ../../datasets/output

–input ：輸入需要對齊的數據的路徑

–output：輸出對齊後的數據保存路徑

對齊後的圖片

遇到問題1： ValueError: Object arrays cannot be loaded when allow_pickle=False 解決方案： pip3 install numpy==1.16.1 如果已安裝了多個numpy版本，需要先將其卸載後在運行 遇到問題2： AttributeError: module 'scipy.misc' has no attribute 'imread' 解決方案： pip install scipy==1.1.0

如果成功運行，output文件夾下會產生對齊後的人臉以及一個lst文件（將lst文件改名為 train.lst，並移動到train文件下）

終端下，移動和重命名的操作

# 重命名 mv [原始文件名] [改變後的文件名]  mv lst train.lst  # 移動 mv [起始文件路徑] [目標文件路徑]  mv train.lst ../train/

觀察生成的 lst 文件內容：

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代表對齊，最後的數字0,1代表class label 中間是地址；需要用t表示tab鍵，不能用空格間隔。

（2）創建property配置文件

在datasets/train下創建property，沒有後綴

寫入下面內容，含義1000,112,112代表ID數量，尺寸，尺寸

1000,112,112

（3）生成rec&idx文件（依託於lst文件）

運行src/data face2rec2.py

python face2rec2.py ../../datasets/train/

運行可能會報錯，需要修改，可能原因是源程式碼是基於python2的

在python3下運行，修改第105行成如下所示：

s = mx.recordio.pack(header, b'')

運行成功後會出現兩個文件

train.idx和train.rec

將train.idx, train.rec是放置在train文件夾中，用於後續訓練使用，不然後續創建pair會報錯

（4）創建pair文件

為了做測試我們需要生成驗證集用的bin文件，bin文件生成前需要做pair文件，就是一對一對的數據，每一行分別是

圖A的目錄 空格 圖B的目錄 空格 標誌0/1（代表兩張圖類別一致否）

在src/data下新建一個程式碼generate_image_pairs.py用於生成pairs

程式碼來源：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')  # 產生相同的影像對  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):#數量可以修改                      dst.writelines(same_list[j] + ' ' + same_list[j+1]+ ' ' + '1' + 'n')                      count += 1      if count >= int(args.num_samepairs):          break  list2 = list1.copy()  # 產生不同的影像對  diff = 0  print(count)  # 如果不同的影像對遠遠小於相同的影像對，則繼續重複產生，直到兩者相差很小  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

運行generate_image_pairs.py

python3 generate_image_pairs.py --data-dir ../../datasets/output --outputtxt ../../datasets/train/train.txt --num-samepairs 5

–data-dir 後接對齊後的人臉

–outputtxt 用於保存train.txt文件

–num-samepairs 生成多少對（具體如何設置，還需要好好研究一下）

運行成功後在datasets/train下會生成一個train.txt文件

內容：

../../datasets/output/Abdullah/Abdullah_0002.jpg ../../datasets/output/Abdullah/Abdullah_0004.jpg 1  # 前面兩個分布是生成的pairs的路徑，後面的0/1代表是否同一個人或類

（5）生成驗證集bin文件

成功後利用/src/data/下的 lfw2pack.py生成bin文件

但是存在點問題，對lfw2pack.py進行稍微的修改，修改lfw2pack.py中19行，打#的為更改的，改為兩個參數，一個是txt讀出來的列表，另一個是總數量。

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：影像大小修改為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：添加解析參數　  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：將文件名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：下一行進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)

對應的get_paths這個文件存在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_list

vim中多行注釋方法：

多行注釋：  1. 進入命令行模式，按ctrl + v進入 visual block模式，然後按j, 或者k選中多行，把需要注釋的行標記起來  2. 按大寫字母I，再插入注釋符，例如 #  3. 按esc鍵就會全部注釋了  取消多行注釋：  1. 進入命令行模式，按ctrl + v進入 visual block模式，按字母l橫向選中列的個數，例如 # 需要選中2列  2. 按字母j，或者k選中注釋符號  3. 按d鍵就可全部取消注釋

之後再運行

python3 lfw2pack.py --data-dir ../../datasets/train --output ../../datasets/train/lfw.bin --num-samepairs 2

注意：我這裡報錯了（沒有報錯的小夥伴可以忽略）

    path0 = pair[0]  IndexError: list index out of range

仔細分析之後，是因為在train.txt中存在空白行導致，直接刪除即可，如果沒有報錯可以直接忽略

至此，我們已經完成了數據集的製作，後續會更新如何訓練，以及使用。

這部分內容，是本人摸索了很久才搞定的，本文儘可能的寫的詳細，希望能幫到大家，寫這篇的時候又重新操作了一遍！

參考鏈接： https://blog.csdn.net/CLOUD_J/article/details/100672392 https://blog.csdn.net/hanjiangxue_wei/article/details/86566497