face_verification_experiment, 一种带噪声标签的深面表示光

分享于 

4分钟阅读

GitHub

  繁體 雙語
Face verification experiment for lfw
  • 源代码名称:face_verification_experiment
  • 源代码网址:http://www.github.com/AlfredXiangWu/face_verification_experiment
  • face_verification_experiment源代码文档
  • face_verification_experiment源代码下载
  • Git URL:
    git://www.github.com/AlfredXiangWu/face_verification_experiment.git
    Git Clone代码到本地:
    git clone http://www.github.com/AlfredXiangWu/face_verification_experiment
    Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/AlfredXiangWu/face_verification_experiment
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
    
    带噪声标签的深面表示光 CNN

    引用

    如果你使用我们的模型,请参考以下文章:

    
    @article{wulight,
    
    
     title={A Light CNN for Deep Face Representation with Noisy Labels},
    
    
     author={Wu, Xiang and He, Ran and Sun, Zhenan and Tan, Tieniu}
    
    
     journal={arXiv preprint arXiv:1511.02683},
    
    
     year={2015}
    
    
    }
    
    
    @article{wu2015lightened,
    
    
     title={A Lightened CNN for Deep Face Representation},
    
    
     author={Wu, Xiang and He, Ran and Sun, Zhenan},
    
    
     journal={arXiv preprint arXiv:1511.02683},
    
    
     year={2015}
    
    
    }
    
    
    @article{wu2015learning,
    
    
     title={Learning Robust Deep Face Representation},
    
    
     author={Wu, Xiang},
    
    
     journal={arXiv preprint arXiv:1507.04844},
    
    
     year={2015}
    
    
    }
    
    
    
    

    更新

    • Dec 16,2016
    • ,08,2016
      • 更新了基于caffe-rc3的prototxt和模型C。 LFW的精度达到 98.80 %,TPR@FAR=0获得 94.97%
      • MegaFace on的性能为 accuracy achieves accuracy accuracy accuracy。
    • ,26,2015
      • 对prototxt和模型B 进行了更新,LFW的准确性达到了单个网络的98.13 %,并且在 LFW。
    • ,13,2015
      • 用于识别协议的LFW的评估。
    • ,11,2015
      • prototxt和模型A 被释放。 LFW的精确度达到 97.77 %.

    概述

    深层人脸表示实验是基于卷积神经网络来学习人脸验证任务的鲁棒特性。 在 face webface。vgg人脸和MS-Celeb-1M等人脸数据集上,使用了流行的深度学习框架( caffe。 并利用 python 代码 caffe_ftr.py 实现了特征提取。

    结构

    • 代码
      • 数据预处理和评估代码
    • 型号
      • caffemodel。
        • A 和B 在 casia webface上通过 caffe 进行训练。
        • 模型C 通过 caffe-rc3 在MS-Celeb-1M上训练。
      • 通过caffe减轻了CNN的实现
    • 结果
      • LFW特性

    描述

    数据预处理

    • 下载 face webface。vgg和MS-Celeb-1M等人脸数据集。
    • 所有人脸图像都被转换为灰度图像,并根据标志符号规范化为 144 x144.
    • ,人脸 5 facial rotate rotate rotate rotate rotate rotate eyes eyes distance distance distance distance distance distance distance midpoint midpoint midpoint。
    数据集大小 ec_mc_y ec_y
    训练集144x1444848
    测试集128x1284840

    培训

    • 模型通过开源深层学习框架caffe进行训练。
    • 在"原"文件中显示网络配置,在"型号"文件中显示经过训练的模型。

    评价

    • 模型在LFW上进行了评估,该数据集是一个面向。
    • 提取的特征和lfw测试对位于"结果"文件中。
    • 若要评估模型,可以使用 matlab代码或者其他ROC评估代码。
    • 模型还在MegaFace上进行了评估。 数据集和评估代码可以从 http://megaface.cs.washington.edu/ 下载。

    结果

    对单卷网测试进行了无监督设置,只对lfw对的余弦。

    模型 100% - EER TPR@FAR=1% TPR@FAR=0,1% TPR@FAR=0 Rank-1 DIR@FAR=1 %
    A97.77 %94.80 %84.37 %43.17 %84.79 %63.09 %
    B98.13 %96.73 %87.13 %64.33 %89.21 %69.46 %
    C98.80 %98.60 %96.77 %94.97 %93.80 %84.40 %

    这些细节公布为 arXiv的技术报告。

    只允许非商业使用的发布模型的定价。


    rep  Light  DEEP  REPR  表现  Labels  
    相关文章