关于人脸验证的测试效果

[anguoyang]

人脸验证年前试了一下，实话说，效果不是很理想，目前我也测试了很多公司的demo，貌似只有北京飞搜科技的demo最准，基本上能达到实用的地步，百度的也还行，学院派的那几个基本上都不行，具体名字就不说了。不知道影响准确度的原因到底是啥，数据还是算法，如何提高。我想做离线的人脸验证，从商务方面来说，用不了飞搜和百度的（原因比较多），只有自己做，本来想基于facenet做，后来测试发现效果也很不好，没思路了，郁闷ing！

[happynear]

数据啊，数据最关键。学院派基本就用用公开数据集，或者自己爬的，数据都很杂乱的。公司就可以派人人肉清洗，这个差距太大了。来自我的华为手机

[anguoyang]

你说的是基于公开数据集，比如CASIA-WebFace，做清洗工作么，还是基于现拍的照片更好？有些模型最少要50万张照片，公司有个小姑娘倒是有时间做，要是她一个人清洗的话，50万张...洗完这个估计得洗眼睛去了：），在别的啥也不干的情况下，最多估计能发动10个人并行地去做，但每人5万张也够他们喝好几壶的，呵呵。我先让他们试试。多谢啊。

[happynear]

你要做实用系统，还是要用目标场景的数据，比如你做人脸打卡、或者监控相机，也是要采集对应设备下的图片的。

[anguoyang]

我在你的另一个项目faceverification当中看到，图片集的问题貌似已经解决了？首先祝贺一下，呵呵。另外，我还想问一下，那个项目当中训练好的model，可以直接用在本项目的examples\faceverification当中么？效果应该是一样的吧。谢谢

[zhangqianhui]

这个歌做人脸识别应该没问题吧。

[berli]

facenet 在LFW上的准确率是0.992，但是随便找几个图片测试，真的很差。。。 用的作者提供的模型model-20170512-110547 可以看这里我做的对比结果

file1	file2	facenet(欧式距离)	facenet(欧式距离-显卡)	vggface(余弦相似度)
gg1.jpg	gg2.jpg	0.6976	0.6545	0.74451
gg1.jpg	gg3.jpg	0.7641	0.6883	0.626138
gg1.jpg	gg5.jpg	0.7882	0.7961	0.58714
gg1.jpg	gg6.jpg	no detect	x	0.473986
gg1.jpg	gg7.jpg	no detect	x	0.475262
6.jpg	33.jpg	0.6209	x	0.467728
gg2.jpg	gg3.jpg	0.7289	0.7287	0.646415
g2.jpg	gg5.jpg	0.8284	0.8286	0.684934
gg2.jpg	gg6.jpg	no detect	x	0.560137
gg3.jpg	gg5.jpg	0.6176	0.6175	0.619669
rr.jpg	rr2.jpg	0.5816	x	0.545326

https://github.com/berli/facenet-vs-vggface