亚洲人脸数据集百度网盘链接.txt

Face-Recognition：人脸识别算法在Keras当中的实现 目录 所需环境 tensorflow-gpu==1.13.1 keras==2.1.5 文件下载 进行预测所需的facenet_keras.h5可以在Release里面下载。 也可以去百度网盘下载 链接: 提取码: tkhg 使用方法 1、先将整个仓库download下来。 2、下载完之后解压，同时下载facenet_keras.h5文件。 3、将facenet_keras.h5放入model_data中。 4、将自己想要识别的人脸放入到face_dataset中。 5、运行face_recognize.py即可。 6、align.py可以查看人脸对齐的效果。 效果 face_recognize.py的运行结果： )

facenet训练时人脸验证测试文件生成流程，完整代码，可直接执行，两个参数，一个为需要验证的人脸数据集（经过检测后的），一个为输出txt文件，输出文件可直接用于facenet训练验证用

基于facenet的亚洲人脸模型，可直接使用，也可用于预训练，亚洲人脸训练80个小时后的效果，可用于人脸识别，人脸聚类

博客地址：https://blog.csdn.net/rookie_wei/article/details/90108075

Facenet：人脸识别模型在Keras当中的实现 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 accuracy CASIA-WebFace LFW 160x160 97.86% CASIA-WebFace LFW 160x160 99.02% 所需环境 tensorflow-gpu==1.13.1 keras==2.1.5 文件下载 已经训练好的facenet_mobilenet.h5和facenet_inception_resnetv1.h5可以在百度网盘下载。 链接: 提取码: tj5r 训练用的CASIA-WebFaces数据集以及评估用的LFW数据集可以在百度网盘下载。 链接: 提取码: gkch 预测步骤 a、使用预训练权重 下载完库后解压，在model_data文件夹里已经有了facenet_mobilenet.h5，可直接运行predict.py

Pre-trained models NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.有需要的可以下载

使用facenet框架做人脸识别的两个预训练模型，一个是20180402-114759，另一个是20180408-102900，里面都有。

Google提出的开源人脸识别算法FaceNet的预训练模型，FaceNet的官方的预训练模型，20170512-110547 NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.

不容易啊，翻出去下载的，用了88M流量，客官下载完还是给个五星鼓励嘛^_^