syaringan357

I tried too, and failed too. It seems that deep learning model must be rebuilt.

人脸矫正的话，使用两只眼睛和鼻子的坐标计算出头部倾斜角度，然后旋转图片，重新进行mtcnn人脸检测就可以了。mtcnn很慢，但是在手机上用大小和速度还算可以，如果在服务器上做人脸检测，建议用别的模型。

MobileFaceNet这个模型，我转成tflite以后在lfw数据集上测试，分数阙值设置为0.8，最终准确率为95.18%，是一个人的平均分数是0.8729，不是一个人的最高分数是0.762。 照片要先经过mtcnn把人脸剪裁出来，剪裁时增加一定margin，你也可以试试，直接把宽度扩充到和长度一样的尺寸，这样resize时就不会被压扁了。

960x1280，和MIN_SIZE=120，只是为了MTCNN运行快点，具体尺寸你随便设置，影响不大，详细原因建议去了解MTCNN原理。 如果两张图片不是来自于同一个输入源，尺寸都不一样，建议不要压扁或者拉伸，先把Bitmap转成长宽比例一样的，并且保证人脸图像没有变形，再送入MobileFaceNet。

mtcnn的作用是从图片中把人脸的四个角点的坐标计算出来，然后你用这四个坐标去就能把图片中的人脸剪裁出来，剪裁之前你可以再处理一下这4个坐标，比如增加margin，你只要保证剪裁出来的人脸图片长宽相等就可以了。

``` def evaluate(embeddings): # Calculate evaluation metrics thresholds = np.arange(0, 4, 0.01) thresholds = thresholds + 0.01 embeddings1 = embeddings[0] embeddings2 = embeddings[1] assert (embeddings1.shape[0] == embeddings2.shape[0]) diff = np.subtract(embeddings1,...

请提供下具体报错的是哪句代码。

http://cvlab.cse.msu.edu/project-face-anti.html

Must be set when converting to tflite.

我提交上来这个模型是我很久之前用CPU训练的。我现在从新用GPU训练，但是还是有一些问题，不太理想，我正试着去解决它，解决之后我会上传一个新的模型。