码字不易，转载请注明出处！

有了前面的准备工作之后，我们就开始动手了。

Let The Hunt Begin!

数据集规模
数据当然是越多越好，然而实际我们可能没有那么多数据，那么多大的量就可以了呢？吴恩达的教程里面说过，怎么着也得有个几千到几万张吧。因为我们不是从头开始训练，有了预训练模型的话，可以很大程度上减少对于数据的需求，这当然对于实际使用显然不够，但是对于学习项目而言，差不多了。

打个比方，假设要做一个NBA球星的识别，球星有“詹姆斯”、“韦德”、“科比”、“奥尼尔”。总共四个类别，和传统的分类不一样的地方在于，这里我们只关注脸，因为人脸识别需要最小化类内距离，最大化类间距离，那么也就意味着，所收集的图像要尽可能包含这四个人人脸在不同条件下如角度、光照、表情等不同的图像，而且每种条件下的图像最好能有多张。这样算下来，每个人也得有几百张，合起来也有个几千张，越多越好。

这部分数据需要自己耐心点，人工去筛除不满足条件的或者质量差的，保证数据集的干净。

数据集划分
因为我们最终的目的是想要实现1:1或者1:N，那么我们还需要从已有的数据集划分出来一些用做验证，将来来选取不同人之间的阈值。所以我们需要从自己筛选好的图像中，选出一部分作为验证集。验证集也需要尽量保证同一个人在不同条件下的图像，而且不能与训练集重复。比如每个人选取10张图像出来。

数据增强
如果实在没那么多数据，那么可以进行一下数据增强。这里可以采用对比度增强/减弱、亮度增强/减弱、水平翻转等。但是如果采用旋转变换，那么建议一定不要做太多的幅度，因为后面要用mtcnn进行人脸检测和校正，如果旋转太大，那么非常容易造成人脸检测效果下降。

人脸检测与校正
这部分内容作者是直接使用mtcnn做的，当然作者也提供了ssh的代码，可以根据需要选择使用。mtcnn的主要好处就在于不仅能够检测人脸，而且能够检测人脸的关键点，并利用这些关键点进行图像校正，从而在一个前向完成了两个任务，这点比ssh要好点。但ssh能检测更小的脸，各有优势吧。
这部分的代码在”deploy”=>”test.py”中：

 

 

 

 

 

这里其实我们可以看到，作者的示例中，在19行，通过model.get_input（）函数产生了一个img，这个img其实就是我们要的人脸检测并校正之后的结果。通过9行参数，我们知道，产生的人脸图像大小是112 × \times× 112大小的。所以我们可以根据自己的需求，传入不同的参数或者更改一下默认的参数，来方便对我们自己的图像进行检测，然后产生我们自己的人脸检测结果。

 

 

经过以上的过程，我们就可以在我们的目标文件夹内得到我们的人脸图像，可以发现，人脸检测之后对检测结果进行了边缘扩充，从而保证人的发型、整个头部都包含在图像中。

 

 

后面就开始制作训练集和测试集了，而这部分内容的操作对象都是我们刚刚保存好的人脸图像文件夹，所以不要弄混了。

训练数据.rec的制作
MXNet训练时的标准输入文件是.rec形式的，就类似于tensorflow中的.tfrecord形式。所以我们需要做一个.rec文件，而制作文件在”src”=>“data”=>”face2rec2.py”里面。 ，这里我用的是https://github.com/apache/incubator-mxnet/blob/master/tools/im2rec.py代码，没有使用原始的代码，所以可能会在运行上面代码的时候出错。后面将face2rec2.py文件用上面链接中的代码替换即可，正常使用时的参数都是一样的，所以下面运行的时候，将”python face2rec.py”修改成”python im2rec.py”就好了。

 

 

而想要制作.rec文件，首先需要制作一个.lst文件，这个文件包含了所有图像的路径、标签、以及打乱之后的结果。只有制作好了.lst之后，程序才会根据.lst中对应的路径下找到文件，并对图像进行编码，存入相应的信息，最后才能制作成.rec文件。
对于上面的NBA的例子，我们只需要在一个文件夹比如说“NBA”文件下分开存放好我们四个球星的文件夹即可，比如：

 

 

那么应该做什么呢？

 

 

在156行说，如果想要制作.lst文件，那么我们需要在运行该代码的时候，加入–list 命令表明我们想要做.lst。然后在第167行，有一个 –recursive 命令，这个参数表明，如果你的文件夹下有多个类别，那么需要加入该命令来对文件夹下的所有文件进行搜索，对于我们的例子，需要加入这个命令。其他的命令可以自己看下，比如你有.png图像，那么可以将160行的default中加入’.png’。
实际运行的时候，是这样使用的：

python face2rec2.py –list –recursive /准备存放.lst的路径/准备存放.lst文件的名称（NBA） /图像文件夹路径/ 其他需要的参数
1
上面的运行代码用下面这个代码代替：

python im2rec.py –list –recursive /准备存放.lst的路径/准备存放.lst文件的名称（NBA） /图像文件夹路径/ 其他需要的参数
1
上面的.lst名称不要加后缀，只需要给出名称就可以了。

在运行完上面代码之后，程序会在你设定的路径下出现一个.lst文件，其内容是这样的：

 

 

 

 

 

第一列表示index，索引，第二列是label，第三列是图像路径。

那么下一步就是生成.rec了，这步其实和上面生成.lst文件的方式类似，还是运行上面的代码，只不过这回参数有点变化

python face2rec2.py /刚刚生成的.lst文件路径/.lst的文件名 /图像文件夹路径/
 
上面的代码用下面的代码替换：

python im2rec2.py /刚刚生成的.lst文件路径/.lst的文件名 /图像文件夹路径/
 
运行完上面的代码之后，会在你的当前路径下生成.rec文件，名称和.lst一样，后缀不一样。这部分内容没法查看，只能运行时加载后查看。

 

 

同时也会生成一个.idx文件，其实就是索引和label之间的对应关系，没什么用，可以忽略。

验证数据.bin的制作
验证数据主要用来寻找不同人之间的阈值划分，这部分内容不清楚的可以查看FaceNet那篇论文，只不过它用的方法是度量学习，与本文还不太一样。

而制作.bin文件需要预先制作一个人物名单对应表，比如存放于NBA.txt文件中，其内容是这样的：

 

 

名单包含两种内容：

同一个人的两两组合图相对，标签是1，代表是同一个人
不同人的两两组合图像对，标签是0，代表是不同人
因为我们将来验证的时候，是需要模型能够区分是否是同一个人的，也就是说对于相同的人，它应该判定为1，不同的人，判定为0；这样我们才认为模型学会了区分不同的人。所以我们需要将这两种情况都制作在一个.txt文件中，前半部分全部是相同人的图像对，标签为1；后半部分是不同人的图像对，标签为0。
而制作名单可以有不同的方式，比如我们事先每个人都划分了10张图像进行验证，那么对于每个人，其可以进行排列组合，产生N(N-1)/2=45个不同的图相对组合；但对于不同人而言，怎么组合都可以，所以这部分可以根据自己的理解，采用一定的策略组合不同的人，比如最简单的就是将所有人的图像都放在一个列表里面，然后随机，取不同的名单。

好了，到此，我们准备好了.txt的人名名单（generate_image_pairs.py），那么我们应该能做.bin文件了。
这部分的代码在”src”=>“data”=>”lfw2pack.py”文件中。

 

 

 

 

 

18行应该换成你刚刚做好的.txt文件，比如NBA.txt。
可以看到，关键的部分其实是在”src”=>“eval”=>”lfw.py”文件中，也就是18、19行这两个函数内。

 

 

可以看到，185行的函数是将文件内容转化成了numpy形式，然后将结果传入161行的get_paths函数内，但是这个函数是原始按照LFW的制作方式来制作.bin文件的，我们的图像对形式与LFW的图像对形式是不一样的，这点可以到网上查看下LFW数据的图像对是什么形式的就知道了。我们这里不能采用这个做法，所以需要对这个函数进行改写。

 

 

上面是我改写之后的，我们将函数传入参数改成了符合自己图像对的形式。其中的same_pairs参数表示我们之前做的图像对中相同人的对数。
当函数返回之后，我们产生了一个path_list 和 issame_list。然后在后面进行文件的制作，可以看到，文件是利用pickle进行了序列化，成为了一个二进制文件。

 

 

 

 

 

还有最后一个事情，就是我们在将来训练的时候，需要加入property文件，这个文件内主要包含我们图片的属性说明，可以自己新建一个空白文件，不要加后缀名，直接命名为property，然后打开之后写入我们的训练数据信息。

 

 

上面就是指我们有4253个id，每个id人脸图像的大小是112 × \times× 112大小

到此为止，我们的数据集就制作完了，那么下一步就开始进行训练了。

————————————————
版权声明：本文为CSDN博主「hanjiangxue_wei」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/hanjiangxue_wei/article/details/86566348