算法---FaceNet在Tf下的实战篇

FaceNet---Tensorflow下的下的实战篇

＠WP20190225

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝目录＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

一、FaceNet算法简介

二、FaceNet配置与使用

2.1　安装环境的确定

2.2  下载文件：FaceNet源码 + LFW数据集 + 模型

2.3　环境配置

2.4　测试自己的数据

三、遇到的问题与解决方式

3.1　安装requirements.txt里要求的依赖项时报错

3.2　非法指令 (核心已转储)

3.3　找不到路径

3.4　模型版本太旧

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝正文＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

一、FaceNet算法简介

　　FaceNet算法，是谷歌开发的人脸检测算法，发表于 CVPR 2015，利用相同人脸在不同角度等姿态的照片下有高内聚性，不同人脸有低耦合性，提出使用 cnn + triplet mining 方法，在 LFW 数据集上准确度达到 99.63%，在 youtube 人脸数据集上准确度 95.12%，比以往准确度提升了将近 30%。【引用】

　　FaceNet算法原理，这里不做介绍。

二、FaceNet使用环境

2.1　安装环境的确定

Ubuntu 18.04 + Tensorflow 1.5.0 + Python 2.7 + OpenCV 3.2.0

说明：之前已经安装过Python + OpenCV，长时间不用Ubuntu系统忘记装的什么版本了，通过命令查看已安装的版本。要知道自己电脑的opencv 版本，因为版本不同，调用的头文件就不同。

（1）查看Python版本:            $ python

（2）查看Tensorflow 版本:  $ import tensorflow as tf

$ tf.__version__

（3）查看OpenCV版本:        $ pkg-config --modversion opencv

2.2　下载文件：FaceNet源码＋模型

（１）FaceNet在github源码地址为: 　https://github.com/davidsandberg/facenet/tree/master

　FaceNet库源码下载链接：https://codeload.github.com/davidsandberg/facenet/zip/master　

（２）LFW数据集: http://vis-www.cs.umass.edu/lfw/#resources

　网址打开后下载Download the database: All images as gzipped tar file

（３）FaceNet库模型下载链接：　　　

FaceNet预训练的模型，官网给出是在谷歌连接上，可能不方便下载，自己想招。下面备注一下，个人在网络资源上找的下载链接。

1. 20170512-110547模型下载地址：https://pan.baidu.com/s/1nvBX233　 密码：s0sb　

1. 20180402-114759模型下载地址：https://drive.google.com/open?id=1EXPBSXwTaqrSC0OhUdXNmKSh9qJUQ55-　

　　如果不能翻墙，可以通过下面的链接下载：https://download.csdn.net/download/rookie_wei/10609076　

说明：20170512-110547模型，后面使用时出现了模型版本太旧，所以又下载了20180402-114759模型。

2.3　环境配置

（１）FaceNet源码的解压与配置依赖项

　　　前提是已经配置好python、opencv环境，然后解压FaceNet源码。这里尝试了两种方式：一是，计算机根目录下使用python，直接在根目录下解压FaceNet源码；二是，计算机下安装了conda虚拟机，在ananconda下使用python，在ananconda目录下解压FaceNet源码。两者配置FaceNet方式相同，只是在配置好后，使用方式稍微有点区别。

　　   接下来，仅仅细说在ananconda下的配置过程。

１>解压FaceNet源码到路径/home/wp/anaconda2/test_py2/facenet-py2。【文件夹facenet-py2是FaceNet源码的解压文件。】

２>利用pip安装运行代码所需引入工具包

　　提示：因为后面安装调试的时候，发现了本人的ubuntu18.04系统不支持tf1.7、tf1.10版本的问题，这里直接将requirements.txt里要求的tensorflow==1.7改成tensorflow==1.5.0后再往下进行。

　 进入facenet源码文件夹，安装依赖项：

$ cd /home/wp/anaconda2

$ source activate test_py2 【激活虚拟环境，开始使用，里面之前安装过tf1.5】

$ cd test_py2

$ cd facenet-py2 【进入FaceNet源码解压文件：文件夹facenet-py2是中】

$ pip install -r requirements.txt

$ source deactivate 【最后，不使用了，记得关闭。即，退出虚拟环境。】

【利用pip安装运行代码所需的依赖项，如果使用的是python3,则用pip３ install -r requirements.txt。稍微等待一会儿，不报错，安装完后基本可以使用facenet了。报错，解决一下就可以了。】

３>设置环境变量

　　为了正常执行FaceNet，还要设置好环境变量，也就是，PYTHONPATH实际指向你的facenet存储位置中的src目录。这里提供两种方式：一是，每次重启电脑，都需要设置一下的；二是，不需每次重启电脑，永久生效。

　　方式一，终端下直接执行命令：

$ export  PYTHONPATH=$PATH:/home/wp/anaconda2/test_py2/facenet-py2/src

或者　$ export PYTHONPATH=/home/wp/anaconda2/test_py2/facenet-py2/src　

　　为了避免每次开机都执行，将其写到~/.bashrc文件中。可以采用方式二：

首先：$ sudo gedit ~/.bashrc

接着，添加内容并保存：

$ export PYTHONPATH=$PATH:/home/wp/anaconda2/test_py2/facenet-py2/src

最后,每次修改.bashrc后，使用：$ source ~/.bashrc，使修改立即生效

注：后面的地址是facenet目录+ /src

2.4　测试自己的数据

　　　Step1,准备工作：　

（１）将下载的LFW数据集解压到data文件下，重命名lfw_160，新建lfw：/home/wp/anaconda2/test_py2/facenet-py2/data/lfw/lfw_160　。

（２）将下载的20180402-114759模型放在如下文件夹下：

/home/wp/anaconda2/test_py2/facenet-py2/models/20180402-114759。

注，20180402-114759文件夹下含有４个文件。

（3）将自己找的几张图片(如10.jpg、11.jpg、20.jpg)，放在如下文件夹下：/home/wp/anaconda2/test_py2/facenet-py2/data/images

　　　Step2,继续：

$ cd /home/wp/anaconda2

$ source activate test_py2

$ cd test_py2

$ cd facenet-py2

　Step3,测试自己的数据:

$ python src/compare.py models/20180402-114759 data/images/10.jpg data/images/11.jpg data/images/20.jpg

Step４,观察结果后，根据需要退出虚拟环境:

$ source deactivate

三、遇到的问题与解决方式

3.1　安装requirements.txt里要求的依赖项时报错

　　（１）执行pip install -r requirements.txt ，报错：

Could not find a version that satisfies the requirement PyHamcrest>=1.9.0 (from Twisted>=13.1.0->scrapy) (from versions: )

No matching distribution found for PyHamcrest>=1.9.0 (from Twisted>=13.1.0->scrapy)

大致意思是没有安装PyHamcrest吧，还规定了版本，因为怕直接pip安装版本会不对，就直接下载对应版本的包，本地安装了。

【解决】在这里下载PyHamcrest->1.9.0版本的包到本地，然后进入目录，

$  pip install ./PyHamcrest-1.9.0-py2.py3-none-any.whl

【或者pip3 install ./PyHamcrest-1.9.0-py2.py3-none-any.whl】

然后重新输入：$ 　pip install -r requirements.txt

　（２）执行pip install -r requirements.txt ，报错：

grin 1.2.1 requires argparse>=1.1, which is not installed.

https://blog.csdn.net/picturelife/article/details/81022265

【解决】那就再安装一下：$  pip install argparse

3.2　非法指令 (核心已转储)

这个经过不停的调试，安装了不同版本的tf，发现是ubuntu系统和tf版本的匹配问题，注意这里两者是否匹配。亲测，个人的ubuntu18.04支持tf1.5, 不支持tf1.７和tf1.10，其他版本的还没有试过。

【解决】安装匹配的版本：如ubuntu18.04支持tf1.5。

3.3　找不到路径

运行$ python src/compare.py models/20170512-110547　data/images/01.jpg　data/images/02.jpg，提示找不到路径、参数太多等问题。

usage: compare.py [-h] [--image_size IMAGE_SIZE] [--margin MARGIN]

[--gpu_memory_fraction GPU_MEMORY_FRACTION]

model image_files [image_files ...]

问题１：compare.py: error: too few arguments

。。。。

File "/home/wp/anaconda2/test_py2/facenet-py2/src/facenet.py", line 388, in get_model_filenames

raise ValueError('No meta file found in the model directory (%s)' % model_dir)

问题２：ValueError: No meta file found in the model directory (models/20180402-114759)

【解决】经过不断调试发现是，执行命令中使用中英文空格参杂，使用了中文空格导致的。保持英文输入，空格大小一致即可。

3.4　模型版本太旧

报错：cannot convert a tensor of type int32 to an input of type int64.

【解决】20170512-110547模型版本太旧，下载了20180402-114759模型。