arcface-Paddle

基于Paddle框架的arcface复现

ArcFace-Paddle

本项目基于paddlepaddle框架复现ArcFace，并参加百度第三届论文复现赛，将在2021年5月15日比赛完后提供AIStudio链接～敬请期待

参考项目：

InsightFace

Paddle版本：

paddlepaddle-gpu==2.0.2

数据集

MS1M-ArcFace 解压数据集，你应该得到以下目录结构

faces_more
|───property
└───cplfw.bin
└───agedb_30.bin
└───vgg2_fp.bin
└───lfw.bin
└───cfp_ff.bin
└───cfp_fp.bin
└───calfw.bin
└───train.rec
└───train.idx

其中train.rec包含训练的图像，train.idx包含训练的标签，其均为mxnet数据格式，其余.bin文件均为二进制bytes文件

训练

整个工程文件具有以下目录结构

|───faces_more
└───eval
└───mxnet_reader
└───mxnet_reader_win10
└───backbones
└───paddle_pretrainedmodel
└───utils
└───dataset.py
└───losses.py
└───partial_fc.py
└───config.py
└───train.py

注意：mxnet_reader用于Linux系统部署训练，mxnet_reader_win10用于win10系统部署训练，两者均为重构mxnet数据读取后的代码

配置说明

config.py里面包含训练的超参数，学习率衰减函数，训练文件路径以及验证文件列表

backbones里面包含提供的训练模型，iresnet18、iresnet34、iresnet50、iresnet100、iresnet200

partial_fc来源于论文《Partial FC: Training 10 Million Identities on a Single Machine》，其目的是加速训练超大规模数据集

paddle_pretrainedmodel包含网络的预训练文件，其均为由torch模型转换而来，里面包含测试代码model_test.py以及精度文件results.txt

启动训练

python train.py [--network XXX]

这将会在log文件夹下产生训练的日志文件，其包括损失值以及所需训练的的时间，工程中的training.log包含了部分训练过程中的打印信息

训练过程中的权重文件将保存在emore_arcface_r50文件夹下，保存路径源于你的config文件设置，你应具有以下类似目录

|───emore_arcface_r50
└───backbone.pdparams
└───rank:0_softmax_weight.pkl
└───rank:0_softmax_weight_mom.pkl

本次利用aistudio训练的iresnet50得到的backbone.pdparams精度如下，其中lfw=0.99750，cplfw=0.92117，calfw=0.96017，你可以通过修改/home/aistudio/paddle_pretrainedmodel/ model_test.py权重路径model_params=/home/aistudio/emore_arcface_r50/backbone.pdparams来测试自己的模型

由于aistudio对保存版本文件的限制，我将保存的文件已上传至我的服务器，你可以通过wget ftp://207.246.98.85/emore_arcface_r50.zip下载获取

启动测试

模型和数据集读取代码下载

提取码：dzc0

AIStudio链接

cd /home/aistudio/paddle_pretrainedmodel
python model_test.py [--network XXX]

注意到model_test.py测试的官方提供的预训练模型，测试自己的训练模型，你需要修改读取文件的路径以及网络结构

关于作者