Face Recognition System

基于 PyTorch 的人脸识别系统，使用CNN和VIT。

项目结构

facerecognize/
├── model.py              # ConvNet 模型
├── modelv2.py            # Facenet 模型
├── mobilefacenet.py      # MobileFaceNet 模型
├── vit.py                # Vision Transformer 模型
├── train.py              # 模型训练脚本
├── finetune.py           # MobileFaceNet微调脚本
├── compare.py            # 两张人脸图片比对
├── realtime_face_detection.py  # 实时人脸检测
├── lfw_eval*.py          # LFW 数据集评估脚本
├── export_model.py       # 模型导出脚本
├── facecrop.py           # 人脸裁剪工具
├── C++/                  # C++ 演示代码
│   ├── showcase.cpp
│   └── test_vit.cpp
└── face_detector/        # 人脸检测模型（opencv）
    ├── deploy.prototxt
    └── res10_300x300_ssd_iter_140000.caffemodel

模型架构

模型	特点
ConvNet	第一代卷积神经网络
MobileFaceNet	对照组模型
ViT	Vision Transformer微调模型
Facenet	第二代卷积神经网络

环境依赖

• Python 3.10
• PyTorch
• OpenCV
• torchvision
• Numpy
• PIL

快速开始

安装依赖

pip install torch torchvision opencv-python numpy pillow

实时人脸检测

python realtime_face_detection.py

模型训练

python train.py

LFW 评估

python lfw_eval.py

预训练模型（在Release中下载)

• best_model.pth - FaceNet 最佳模型
• best_model_origin.pth - 原始ConvNet模型
• best_vit_model.pth - ViT 最佳模型
• mobilefacenet.ckpt - MobileFaceNet 模型
• mobilefacenet_finetuned.ckpt - MobileFaceNet 微调模型

C++示例编译教程

• 安装cmake和一个C++编译器，我使用的是VS
• 从pytorch.org下载libtorch,解压到C++/libtorch下
• 下载opencv,解压到C++/opencv下
• 使用cmake编译

数据集

项目使用 CASIA FaceV5 数据集进行训练，评估采用 LFW 数据集。