Face Cluster Framework (人脸聚类框架)

English Version | 中文版

Intorduction

一个人脸图片聚类框架

对于给定的大量待聚类人脸图片，利用人脸特征抽取组件(face_feature_extract)进行人脸特征抽取，并对用抽取的人脸特征进行人脸聚类并进行图片归档。
采用的人脸聚类算法较当前主流人脸聚类算法效果更优，具体测评效果详见人脸聚类

Cluster Result

• 输入数据：
  

• 部分聚类效果：

Requirements

• Python >= 3.6
• sklearn
• infomap
• numpy
• faiss-gpu(or faiss-cpu)
• torch >= 1.2
• torchvision

Datasets and Pretrain_models

• 可用测试人脸图片数据10000张(data_sample), 下载地址 BaiduYun(passwd: trka)
• 人脸特征抽取的预训练模型(pretrain_model), 下载地址 BaiduYun(passwd: trka)
• 归档标注后的人脸图片数据10000张(labeled_data_sample), 下载地址 BaiduYun(passwd: trka)

Run

1. 将待聚档图片放入到 ‘data/input_pictures’ 目录下
2. 下载人脸特征抽取的预训练模型，将2个tar文件放到 ‘pretrain_models’ 目录下
3. 运行：

python main.py

4. 人脸图片聚类结果目录 ‘data/output_pictures’，每个数字子目录下为同一个人的人脸图片，格式如下：

Evaluate

如果想测评聚类效果，可以利用归档标注后的人脸图片数据(如上述下载数据的labeled_data_sample)，放到’data/input_pictures’目录下，
并在main.py中设置is_evaluate=True即可测评聚类效果。不同人脸数据集可以通过调整main.py中的min_sim与k值获得最优参数

labeled_data_sample数据的聚类指标(调整参数还能提高)：

此外，可以通过利用自己的数据(如戴口罩的人脸数据)进行人脸特征解析模型训练，训练可以参考hfsoftmax

References

• face-cluster
• face_feature_extract