深度学习帮你“认”人—人脸模型+度量学习 by wilson

一、前言： 　　在6月底来到鹅厂实习，在这一个多月的时间内，主要将我之前研究的目标跟踪和人脸模型结合起来，完成一些人脸跟踪的应用。其中将之前研究的单目标跟踪（SOT, single object tracking）拓展到多目标跟踪（MOT, multi object tracking），针对人脸的应用引入人脸模型，形成针对人脸的多目标跟踪。 　　在这里还是学习到不少东西的：面向业务应用的算法开发；关注预研的过程；跨任务地思考；把控时间点。 整体和在实验室的感觉是差不多的，但是要比在实验室严肃一些，需要在一段时间内要有产出，不能说像在实验室一样，研究了半年，说没研究出来成果就过了。毕竟要有kpi的要求，要对自己要求严格一些。抛开心态来说，我反而觉得实验室要求还要更严一些：周报、每周的组会等等。在这里只要简单几句话的周报就可以了，但是这句话的周报含义和实验室是差很多的。 - -！ 　　言归正传，这篇博文主要总结我在这段时间调研过的内容和尝试过的一些应用。其实百度一下“人脸检测、人脸识别”等等关键词也会出现很多相关博文，但是这篇主要是我在这段时间的总结。 　　特别要感谢 https://github.com/corberan/video_clipper，奠定了我实现的算法的基本流程，在我迷茫不知道如何完成任务的时候，提供了重要的思路。   二、主要内容：   　　1. dlib: 基于C++实现的人脸应用库，具有python的接口。 　　安装： https://github.com/corberan/video_clipper/wiki/Installation 　　文档： http://dlib.net/python/index.html#dlib.full_object_detection 　　这是个非常方便的工具，不只是人脸的相关应用，还具有很多机器学习的算法：聚类算法、svm算法等等。最突出的就是其中的人脸检测、人脸描述子模型等等。应用非常方便，简单几句代码就可以完成功能，基于C++的底层实现，决定了他的高效。   　　2. MTCNN：人脸检测+对齐模型 　　参考： https://blog.csdn.net/qq_36782182/article/details/83624357 　　repo：FaceNet中的MTCNN-tf： https://github.com/davidsandberg/facenet/tree/master/src/align 　　MTCNN-pytorch： https://github.com/kuaikuaikim/DFace 　　MTCNN是中科院在2016年提出来的算法，在做图片预处理或者人脸检测应用中得到大量应用，是一个效果和运算效率都挺优秀的算法。这个算法的流程很简单，通过特征金字塔优化对不同大小目标的检测效果，后续通过三个大小不同的网络，实现从粗略到精细的检测，最后输出人脸目标框和5个人脸关键点（眼睛+鼻子+嘴巴）。但是在使用的过程中需要关注超参的设置：factor和minisize，这些决定了其中的特征金字塔的层数，对检测速率和效果有直接影响。pytorch的运行速率有60fps，但是tf的只有41。但是tf的代码知名度要高一些。   　　3. 人脸识别模型 　　综述文章： https://zhuanlan.zhihu.com/p/56414557 ｜ https://arxiv.org/pdf/1811.00116.pdf 　　论文集合： https://zhuanlan.zhihu.com/p/35339201 　　人脸数据集：lfw、webFace、celebraA、youtubeFace…… 　　人脸模型和ReID模型是一脉相传，都是对人脸或者行人的图像提取有辨别性高鲁棒性的特征，后续用欧式距离或者余弦距离来进行度量，实现1对1或者1对N的人脸识别，是典型的度量学习。这两者模型的优化都是基于相同的思想：增强网络的表达能力：拉近相同类别的人物在特征域中的距离，拉远不同类别的人物在特征域中的距离。除了增强网络结构和引入外挂组建（attention mechanism）外，主要是针对损失函数进行改进。（这些损失函数的发展历程，非常值得参考。） 　　 　　 　　　　1⃣️ FaceNet： 　　　　google-CVPR2015 　　　　repo: 基于tf的官方代码： https://github.com/davidsandberg/facenet 　　　　参考博文：（非常详细） https://zhuanlan.zhihu.com/p/24837264 　　　　引入了三元子损失函数：triplet loss （在跟踪领域的siamese-based的跟踪器也参考了这个损失函数，最后发了ECCV2018[ http://openaccess.thecvf.com/content_ECCV_2018/papers/Xingping_Dong_Triplet_Loss_with_ECCV_2018_paper.pdf]）；经过主干网络和L2规范化后，得到128维的特征向量作为人脸描述子，后续通过triplet loss作为目标函数来训练。 　　　　基本网络：  

　　　　triplet loss示意图：  

　　　　triplet loss 表达式:

 

　　　　上标含义：a代表某一个样本；p代表a的正样本；n代表a的负样本，$alpha代表两个类别的最小距离，是一个自定义的阈值。+号代表是取正数，小于0则取。其实整个损失函数就是合页损失函数。triplet loss的创新点还有三元子的筛选方式：选取一个batch中距离最远的正样本和距离最近的负样本进行训练。其实这个就是构造困难负样本的方法。   　　　　2⃣️ CenterFace： 　　　　ECCV2016 　　　　repo：损失函数 https://github.com/KaiyangZhou/pytorch-center-loss｜基于centerloss的人脸模型： https://github.com/wujiyang/Face_Pytorch 　　　　参考博文： https://blog.csdn.net/u014380165/article/details/76946339 　　　　主要思想是：softmax-cross-entropy训练的结果是使不同类别的特征拉开，但是忽视相同类别的特征之间的距离。意思就是只关注不同类别的特征。center loss的目的就是将相同类别的特征的距离拉近，使相同、不相同类别的特征都具有更好的辨别性。 　　　　softmax-cross-entropy-loss的训练结果（将特征映射到其中的某两维进行可视化）：  

　　　　center loss+cross-entropy-loss的训练结果：  

　　　　center loss 表达式:  

　　　　难点在于如何决定一个类别的中心，解决方法是每个batch取计算一次中心，计算方法为：（c为中心点）  

 

　　　　最后center loss结合cross-entropy loss共同进行训练。这个center loss和实验室LNN学姐的center loss是类似的，但是不同之处在于类别中心的决定方法。其实center loss也就是普通discriminative loss的改进版本。如果涉及特征工程，不妨尝试一下这个损失函数，在一定程度可以弥补交叉熵损失函数的缺点。 　　　　discriminative loss表达式： 

　　　　从表达式中可以看出，discriminative loss、center loss、triplet loss是具有很大的关联的。   　　　　3⃣️ Sphere face | Arc face | Cos face:（增加特征之间的角度） 　　　　　　这三篇思想都是非常类似，算是同一个时期的论文 　　　　　　repo（同时实现了这三篇论文）: https://github.com/wujiyang/Face_Pytorch 　　　　　　cosFace（基于Pytorch实现的cosFace）: https://github.com/MuggleWang/CosFace_pytorch 　　　　　　cosFace的论文： https://arxiv.org/pdf/1801.09414.pdf 　　　　　　参考博文： https://www.cnblogs.com/xiaosongshine/p/11059762.html 　　　　　　主要思想： 　　　　　　不同于交叉熵函数、center loss和triplet loss，这三个face的损失函数将特征映射到一个球上，并且设定特征之间的cos角度之间的margin，从而增大特征之间的差异。注意这三个损失函数都是基于余弦相似度来做度量，所以在1v1或者1vN的应用中，也需要基于余弦相似度。不同之处是这三者添加margin的方法。如图所示：  

　　　　　　首先将全连接层的权重W和提取的特征x进行l2归一化，使得softmax-cross-entropy loss变成以角度度量分类的形式。如图所示：  

　　　　　　s是将特征x归一化后scale到s的长度，cos(i,j)是指特征x_i和权重W_j之间的角度差的余弦值。具体的推倒步骤，cosFace的论文中有详细的解释。SphereFace是乘性的余弦margin，cosFace和ArcFace是加性的余弦magin，加性的margin会比较容易实现和优化，其中arcFace直接将margin加在角度上，具有更好的集合解释方式，效果会更加明显。其中arcFace现在在人脸识别或者人脸验证的benchmark上，都排名第一，cosFace紧随其后，这大大说明了损失函数的主要性，基于损失函数进行小小的改进，也许会收获大大的性能提升。得到的效果如图所示： 

 

三、一些应用：

　　1⃣️ dlib库应用： 　　　　参考repo： https://github.com/corberan/video_clipper/blob/master/face_clustering.py 　　　　要实现人脸识别的功能，要分为四个步骤：人脸检测、人脸对齐、人脸模型提取特征、分类器 　　　　人脸检测 　　　　定义cnn人脸检测器： 　　　　face_detector = api.dlib_cnn_face_detector(models.cnn_face_detector_model_location()) 　　　　进行人脸检测： 　　　　face_detections = face_detector(frames, 0)   　　　　人脸对齐 　　　　定义人脸关键点检测器： 　　　　sp = dlib.shape_predictor(models.pose_predictor_model_location()) 　　　　detection_sp = sp(frame, face_detection.rect)   　　　　人脸模型提取人脸描述子（128D） 　　　　定义人脸描述子模型： 　　　　face_rec = dlib.face_recognition_model_v1(models.face_recognition_model_location()) 　　　　face_detections = face_rec.compute_face_descriptor(frame, sp(frame, face_detection.rect))   　　　　人脸识别： 　　　　人脸识别就是对描述子进行分类，分类的模型可以是：决策树、SVM、KNN、神经网络等等。神经网络的方法比较直接，但是随着识别的人脸数量增加，需要的参数量和计算量需要大大增加；这里采用SVM和KNN的方法来实现。这两个实现的模型，都是用sklearn的库来实现。 　　　　SVM参考： https://github.com/corberan/video_clipper/blob/master/face_classifier.py | https://github.com/corberan/video_clipper/blob/master/face_recognition.py 　　　　SVM文档： https://www.jianshu.com/p/a9f9954355b3?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation 　　　　KNN参考： https://github.com/shanren7/real_time_face_recognition/blob/master/train your classifier.ipynb 　　　　KNN文档： https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html#sklearn.neighbors.KNeighborsClassifier.score   　　　　More： 　　　　dlib不只是实现这四个功能，其中也是一个机器学习的算法库，更多可以参考文档   　　2⃣️ face_recognition：一个基于dlib库的更抽象的人脸检测+识别库 　　　　repo: https://github.com/ageitgey/face_recognition 　　　　基于几句代码即可实现功能，repo里面有许多example，但是不推荐使用这个库，因为这个库也是基于dlib实现的，完全可以用dlib来实现。   　　3⃣️ video_cut： 　　　　repo: https://github.com/corberan/video_clipper 　　　　博文： https://zhuanlan.zhihu.com/p/51210714 　　　　顾名思义就是找出各个明星出现的时间段，这个应用是基于dlib来实现的。   　　4⃣️ 人脸跟踪 　　　　MTCNN人脸检测+Sort多目标跟踪实现，是一个很简单直接的实现 　　　　repo： https://github.com/Linzaer/Face-Track-Detect-Extract 　 　　5⃣️ 实时人脸检测与识别： 　　　　repo： https://github.com/zj19941113/Face_Recognition_dlib 　　　　技术路线：MTCNN+faceNet+KNN

　　　　

总结：

　　面对公司的实际应用，只拘泥于自己的领域是远远不够的。我的感悟是，在阅读资料和文献时，也该多了解其他领域的做法和改进。最后希望能成功转正吧！拜托?。

 

转载于:https://www.cnblogs.com/bupt213/p/11372987.html