基于tensorflow的人脸识别技术(facenet)的测试

人脸识别的应用非常广泛，而且进展特别快。如LFW的评测结果上已经都有快接近99.9%的。

Uni-Ubi⁶⁰0.9900 ± 0.0032FaceNet⁶²0.9963 ± 0.0009Baidu⁶⁴0.9977 ± 0.0006AuthenMetric⁶⁵0.9977 ± 0.0009MMDFR⁶⁷0.9902 ± 0.0019CW-DNA-1⁷⁰0.9950 ± 0.0022Faceall⁷¹0.9967 ± 0.0007JustMeTalk⁷²0.9887 ± 0.0016Facevisa⁷⁴0.9955 ± 0.0014pose+shape+expression augmentation⁷⁵0.9807 ± 0.0060ColorReco⁷⁶0.9940 ± 0.0022Asaphus⁷⁷0.9815 ± 0.0039Daream⁷⁸0.9968 ± 0.0009Dahua-FaceImage⁸⁰0.9978 ± 0.0007Easen Electron⁸¹0.9978 ± 0.0006Skytop Gaia⁸²0.9630 ± 0.0023CNN-3DMM estimation⁸³0.9235 ± 0.0129Samtech Facequest⁸⁴0.9971 ± 0.0018XYZ Robot⁸⁷0.9895 ± 0.0020THU CV-AI Lab⁸⁸0.9973 ± 0.0008dlib⁹⁰0.9938 ± 0.0027Aureus⁹¹0.9920 ± 0.0030YouTu Lab, Tencent⁶³0.9980 ± 0.0023Orion Star⁹²0.9965 ± 0.0032Yuntu WiseSight⁹³0.9943 ± 0.0045PingAn AI Lab⁸⁹0.9980 ± 0.0016Turing123⁹⁴0.9940 ± 0.0040Hisign⁹⁵0.9968 ± 0.0030VisionLabs V2.0³⁸0.9978 ± 0.0007Deepmark⁹⁶0.9923 ± 0.0016Force Infosystems⁹⁷0.9973 ± 0.0028ReadSense⁹⁸0.9982 ± 0.0007

      在上述模型中，有许多是商业公司的排名，所以呢，基本上很少有开源的东西。此处只对谷歌的facenet进行测试。

      FaceNet的架构如下所示：

    

      从上面可以看出，没有使用softmax层，而直接利用L2层正则化输出，获取其图像表示，即特征抽象层。而深度学习的框架可以使用现有的成熟模型，如tensorflow slim中的每一种模型。

      而最后一个Triplet Loss则是采用了三元组的损失函数。其代码如下所示      

def triplet_loss(anchor, positive, negative, alpha):    """Calculate the triplet loss according to the FaceNet paper        Args:      anchor: the embeddings for the anchor images.      positive: the embeddings for the positive images.      negative: the embeddings for the negative images.      Returns:      the triplet loss according to the FaceNet paper as a float tensor.    """    with tf.variable_scope('triplet_loss'):        pos_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, positive)), 1)        neg_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, negative)), 1)                basic_loss = tf.add(tf.subtract(pos_dist,neg_dist), alpha)        loss = tf.reduce_mean(tf.maximum(basic_loss, 0.0), 0)          return loss

从上面代码可以看出，三元组其实就是三个样例，如(anchor, pos, neg)，利用距离关系来判断。即在尽可能多的三元组中，使得anchor和pos正例的距离，小于anchor和neg负例的距离。

       其学习优化如下图所示：

    

     测试：(代码见：https://github.com/davidsandberg/facenet)

       

        由于facenet无需限制人脸对齐，但是代码中提供了MTCNN的对齐，而且在LFW评分中也发现经过对齐的分数能够提高一个档次。

        利用提供的代码，在LFW上进行EVAL，发现其精度高达99.2%

        

        

         当然，还有更高的。

另外，程序中还提供了进行两张图片距离的比较的代码，进行调试，结果如下：