facenet 人脸模型训练

人脸识别技术以及人脸特征描述方法构成了各类人脸相关应用项目的核心基础，例如人脸识别、身份验证及人脸聚类等任务。

本研究以MTCNN与FACENT算法作为技术支撑，阐述如何构建个性化的人脸识别模型。

整体架构借鉴了Facenet的原始代码，并根据实际需求进行了相应的调整，原始Facenet代码可参考以下链接：

https://github.com/davidsandberg/facenet

1、数据集采集

当前公开可用的数据集中，多数样本主要来自欧美人群，若直接使用这些数据进行模型训练，则可能对亚洲人种的面部特征识别效果产生一定局限。因此需自行采集符合需求的人脸图像数据集，本文主要采用爬虫技术从尚街拍网站（https://www.jiepai.net/）上的人物照片。

具体的爬虫实现过程可参考如下博客内容：

<>

<>

最终所获取的数据格式如下

2、数据集清洗

用于人脸训练的数据集，其核心目标是针对人脸特征进行模型训练，因此在对数据集实施基础性清理工作时，需重点关注并处理两类数据内容：

![](https://ad.itadn.com/c/weblog/blo