SiameseNetwork实现面部识别（基于PyTorch）

参考

文章链接（这篇文章有些图已经挂了。。）

SiameseNetwork又叫孪生网络---详细的介绍可以看这篇文章

网络的基本架构如图

下面直接介绍：

1.数据集

数据集采用的是AT＆T面部数据集，里面是一些以pgm后缀的图像文件，可以用Sublime Text打开

是P5格式的，宽度为92，高度为112

用python进行可视化可以参考下面的代码

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
import ospath="F:/Facial-Siamese/Siamese-Networks/data/faces/testing/s7/"
files=os.listdir(path)for i in files:im = Image.open(path+i)im.show()i=i[:len(i)-4]#print(i)im.save(path+i+".bmp")

可视化的同时，我给转换成了bmp文件，其实两种格式的文件都可以用来训练。

2.网络架构

采用CNN架构，每次卷积后进行了批量归一化（BatchNorm），然后dropout

class SiameseNetwork(nn.Module):def __init__(self):super(SiameseNetwork, self).__init__()self.cnn1 = nn.Sequential(nn.ReflectionPad2d(1),nn.Conv2d(1, 4, kernel_size=3),nn.ReLU(inplace=True),nn.BatchNorm2d(4),nn.ReflectionPad2d(1),nn.Conv2d(4, 8, kernel_size=3),nn.ReLU(inplace=True),nn.BatchNorm2d(8),nn.ReflectionPad2d(1),nn.Conv2d(8, 8, kernel_size=3),nn.ReLU(inplace=True),nn.BatchNorm2d(8),)self.fc1 = nn.Sequential(nn.Linear(8*100*100, 500),nn.ReLU(inplace=True),nn.Linear(500, 500),nn.ReLU(inplace=True),nn.Linear(500, 5))def forward_once(self, x):output = self.cnn1(x)output = output.view(output.size(0), -1)output = self.fc1(output)return outputdef forward(self, input1, input2):output1 = self.forward_once(input1)output2 = self.forward_once(input2)return output1, output2

3.对比损失

class ContrastiveLoss(torch.nn.Module):def __init__(self, margin=2.0):super(ContrastiveLoss, self).__init__()self.margin = margindef forward(self, output1, output2, label):euclidean_distance = F.pairwise_distance(output1, output2)loss_contrastive = torch.mean((1-label) * torch.pow(euclidean_distance, 2) +(label) * torch.pow(torch.clamp(self.margin - euclidean_distance, min=0.0), 2))

4.训练

batch=64

epoch=200

用.bmp类型的图片训练

5.测试

用10对图像进行测试

原作者给的代码有些错误，我改了一些地方，如有问题请多加指正。代码链接。

谷歌盘：权重链接

百度盘：权重链接

SiameseNetwork实现面部识别（基于PyTorch）相关推荐

基于pytorch量化感知训练（mnist分类）--浮点训练vs多bit后量化vs多bit量化感知训练效果对比
基于pytorch量化感知训练–浮点训练vs多bit后量化vs多bit量化感知训练效果对比代码下载地址:下载地址灰色线是量化训练,橙色线是后训练量化,可以看到,在 bit = 2.3 的时候,量化 ...
基于pytorch后量化（mnist分类）---浮点训练vs多bit后量化vs多bit量化感知训练效果对比
基于pytorch后量化(mnist分类)-浮点训练vs多bit后量化vs多bit量化感知训练效果对比代码下载地址:下载地址试了 bit 数为 1-8 的准确率,得到下面这张折线图: 发现,当 b ...
基于pytorch的模型稀疏训练与模型剪枝示例
基于pytorch的模型稀疏训练与模型剪枝示例稀疏训练+模型剪枝代码下载地址:下载地址 CIFAR10-VGG16BN Baseline Trained with Sparsity (1e-4) P ...
艾伦人工智能研究院开源AllenNLP，基于PyTorch轻松构建NLP模型
艾伦人工智能研究院(AI2)开源AllenNLP,它是一个基于PyTorch的NLP研究库,利用深度学习来进行自然语言理解,通过处理低层次的细节.提供高质量的参考实现,能轻松快速地帮助研究员构建新的语 ...
基于PyTorch，如何构建一个简单的神经网络
本文为 PyTorch 官方教程中:如何构建神经网络.基于 PyTorch 专门构建神经网络的子模块 torch.nn 构建一个简单的神经网络. 完整教程运行 codelab→ https://ope ...
清华大学开源迁移学习算法库：基于PyTorch实现，支持轻松调用已有算法
机器之心报道编辑:魔王作者:清华大学大数据研究中心近日,清华大学大数据研究中心机器学习研究部开源了一个高效.简洁的迁移学习算法库 Transfer-Learn,并发布了第一个子库--深度领域自适 ...
YOLOv5 它来了！基于 PyTorch，体积比 YOLOv4 小 90%，速度却超 2 倍！
贾浩楠发自凹非寺量子位报道 | 公众号 QbitAI YOLOv4还没有退热,YOLOv5已经发布! 6月9日,Ultralytics公司开源了YOLOv5,离上一次YOLOv4发布不到50天 ...
Python深度学习：基于PyTorch [Deep Learning with Python and PyTorch]
作者:吴茂贵,郁明敏,杨本法,李涛,张粤磊著出版社:机械工业出版社品牌:机工出版出版时间:2019-11-01 Python深度学习:基于PyTorch [Deep Learning with ...
Kornia开源可微分计算机视觉库，基于Pytorch，GitHub 3000星
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达编辑丨机器之心 OpenCV 创始人 Gary Bradski 等人近期发表了一篇 Kornia 的综 ...
基于Pytorch和RDKit建立QSAR模型
尝试使用pytorch和RDKit构建QSAR模型环境依赖 pip install pprint pip install argparse #安装rdkit conda install -c rdk ...