GGFace2数据集由约331万张图像组成，分为9131个类，每个类代表不同的个人身份。数据集分为两个部分，一个用于训练，一个用于测试。后者包含约170000张图像，分为500个身份，而所有其他图像属于剩余的8631个可供培训的课程。在构建数据集的过程中，作者将精力集中在达到极低的标签噪音和较高的姿势和年龄多样性，从而使VGGFace2数据集成为在人脸相关任务中训练最先进的深度学习模型的合适选择。训练集的图像平均分辨率为137x180像素，在分辨率低于32像素时（考虑到最短边），分辨率小于1%。 上传的是其百度网盘下载链接

Both pretrained models were trained on 160x160 px images, so will perform best if applied to images resized to this shape. For best results, images should also be cropped to the face using MTCNN (see below). By default, the above models will return 512-dimensional embeddings of images.

面部分类器 计算机视觉网络应用程序，用于预测图像中所有个人的年龄，种族和性别 在所有三个因变量上均达到85％的平均准确度 在PyTorch中构建和训练的CNN模型 用Flask Python后端和Bootstrap前端开发 对自己进行测试！ 在本地运行网站 此面部分类器在Python 3.7上运行 首先克隆仓库： git clone https://github.com/danielzgsilva 导航到项目的根目录并安装依赖项，如下所示： pip install -r requirements.txt 使用以下命令运行该应用程序： python app.py 然后，该项目将在端口5555上本地服务： http://localhost:5555/ 型号详情 底层的卷积神经网络使用经过VGGFace2训练的预先训练的挤压和激发网络（SENet） 曹琼，等。 “ Vggface2：用

facenet预训练模型，可用于github中facenet-pytorch工程；可以自行下载，亲侧可用。

,pytorch-vggface2-features,pytorch-vggface2-features,pytorch-vggface2-features

20180402-114759-vggface2-logits.pth，20180402-114759-vggface2-logits.pth，20180402-114759-vggface2-logits.pth

下载vggface2脚本代码 python

人脸识别预训练模型VGGFace2--20180402-114759