ArcFace PyTorch 从零到第一次训练人脸识别模型环境搭建与快速上手【免费下载链接】arcface-pytorch这是一个arcface-pytorch的源码可以用于训练自己的模型。项目地址: https://gitcode.com/gh_mirrors/arc/arcface-pytorchArcFace-PyTorch 用 PyTorch 实现 ArcFace 人脸特征提取网络帮你在自己的数据集上完成人脸识别训练并用 LFW 数据集评估效果。跑通一次完整流程大约需要装环境、备数据、生成训练清单、启动训练、评估验证。装好运行环境项目基于 PyTorch 训练先确认 Python 版本不低于 3.6再安装 PyTorch 1.2.0 及以上python --version pip install torch1.2.0其余依赖一次装齐装完终端无报错即说明依赖齐全pip install numpy matplotlib scikit-learn Pillow thop torchsummary tqdm依赖最低版本安装命令Python3.6系统自带或官网安装PyTorch1.2.0pip install torch1.2.0numpy1.14pip install numpymatplotlib2.2pip install matplotlibscikit-learn0.22pip install scikit-learnPillow5.3pip install Pillowthop / torchsummary-pip install thop torchsummarytqdm4.30pip install tqdm拉代码、放权重、备数据集克隆代码仓库本地会多出一个 arcface-pytorch 目录git clone https://gitcode.com/gh_mirrors/arc/arcface-pytorch打开 README.md 里的文件下载一节按其中的百度网盘链接和提取码下载预训练权重解压后放进model_data/目录里面会有arcface_mobilenet.pth等权重文件。同样从 README 获取 CASIA-WebFaces 和 LFW 两个数据集的网盘链接解压到项目根目录。数据集要求每个身份一个子文件夹datasets/ ├── person001/ │ ├── 123.jpg │ └── 234.jpg └── person002/ ├── 345.jpg └── 456.jpg生成训练清单并启动训练训练前先把数据集转成清单文件运行后项目根目录会生成 cls_train.txt里面是类别id;图片绝对路径这样的行python txt_annotation.py⚠️ 训练前先打开 train.py确认backbone和model_path相互对应例如都用 mobilefacenet再开始训练python train.py正常的话终端会滚动输出每个 epoch 的损失值权值和训练曲线保存在 logs/ 目录挑验证损失较低的那个权重即可。用 LFW 评估模型效果确认根目录已解压好 LFW 数据集并在 eval_LFW.py 里把 backbone 和权重路径改成训练时用的配置python eval_LFW.py跑完之后你会看到 LFW 的验证准确率README 中预训练模型约在 98%~99%和 FAR/FPR 指标同时生成一张 ROC 曲线图。下一步可以试试运行 predict.py输入 img/ 里两张人脸图片看模型给出的对比结果。【免费下载链接】arcface-pytorch这是一个arcface-pytorch的源码可以用于训练自己的模型。项目地址: https://gitcode.com/gh_mirrors/arc/arcface-pytorch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考