⼈脸识别之insightface开源代码简单使⽤：训练、验证、测试 （1）
胶水收缩率⽬录语音云平台
⼀、前⾔
初衷
现在的各种应⽤上⾯都使⽤了⼈脸识别技术，但是⼈脸识别看似简单的问题，其实所覆盖的知识⾯还是⽐较⼴泛的。正好有机会做了这⽅⾯的⼯作，因此将整个项⽬流程和⾃⼰的思路进⾏⼀下梳理。过敏性鼻炎仪
转移印花本⽂只是⼀个简单的应⽤，仅仅是从业务需求上⾯做⼀个demo，并没有可能做到⼀个什么样的soft，不然我就可以发⽂章了
o(╯□╰)o。所以很⽜的⼤神请勿喷，给点正能量⿎励⼀下，不懂的⼩⽩正好可以借机玩⼀玩这个东西。
因为整个流程会分为⼏个阶段，所以我也将这⼏个阶段进⾏了拆分，⼀步⼀步来。代码回头会放到github上⾯，有兴趣的可以试⼀下！
⼆、⼈脸识别介绍
三、⼈脸识别流程
1、流程介绍
2. 安装MXNet
这部分内容忘了，上⽹查看下教程，应该注意的是：⼀定得知道⾃⼰的CUDA版本，根据版本来安装。虽然insightface是有tensorflow、torch、caffe的实现，但是我觉得mxnet版本是最全的，从数据集制作到训练到验证，每个步骤都有相应的代码。当然，我也不会MXNet，既然要⽤这个框架做，那么是需要遇到问题经常⾕歌的，⾥⾯的部分函数不理解很正常，多查，多做代码注释。没有个⼏天的功夫，是很难了解每个步骤具体在⼲嘛的，所以不要怕。 3 github上clone代码
在代码下载好了之后，是⼀个“insightface”⽂件夹，⾥⾯是这样的：
我们在实际使⽤中，主要⽤到了“src”、“models”、“datasets”、“deploy”⼏个，别的根据需要⾃⼰探索。
4. 准备数据
薄膜发电
这⾥的数据主要是指⾃⼰的数据，因为insightface使⽤的数据集是VGG2（8000+id的300W图像）和MS-Celeb-1M（8.5W id的380W图像），显然是⼤数据了，并且在LFW、CFP、AgeDB上达到的效果都很好。如果仅仅是想体验⼀下模型的效果，或者仅仅是⽤来学习，那么就直接⽤作者提供的就好了。然⽽，其实我们更多的是想⽤⾃⼰的数据实现⼀个什么样的demo或者实现⼀个类似监控领导是否过来这样的⼯作，更重要的是，⽐赛⽤的数据集⼤多是西⽅⼈，⽽西⽅⼈与我们东⽅⼈在⾻骼、⽪肤等⽅⾯还是有很⼤的区别的，所以直接拿来⽤能够实现，但是不⼀定表现很好，具体还是要根据⾃⼰的任务来做。arcface的作者也说了，对于⼀个模型的好坏影响最⼤的三个因素之间的排序是：数据>模型>损失，⾸先还是得有⼤量的数据的，毕竟深度学习就是数据学习；有了数据之后怎么设计模型，采⽤什么算法，这是具体策略的问题。但有时候我们受数据量所限，没办法只能去研究算法了。所以我们当然得⽤⾃⼰搜集的数据。并且我建议⾃⼰做下数据，熟悉下整套流程，还是能学习到很多的。
四、demo源码
地面数字电视接收机五、后续安排
后⾯我将按照以下顺序进⾏总结。
