人脸识别0-06：insightFace-半监督系统搭建(1)-人脸检测

以下链接是个人关于insightFace所有见解，如有错误欢迎大家指出，我会第一时间纠正，如有兴趣可以加QQ：17575010159 相互讨论技术。 人脸识别0-00：insightFace目录:https：//blog.csdn.net/weixin_43013761/article/details/99646731： 这是本人项目的源码：https://github.com/944284742/1.FaceRecognition 其中script目录下的文件为本人编写，主要用于适应自己的项目，可以查看该目录下的redeme文件。

系统搭建目的

做过深度学习的哥们应该都知道，收集数据的过程是十分复杂的，无论是手工标签，还是通过其他商家购买，都是十分消耗财力和人力的，为了人脸系统有足够的训练数据，所以我打算搭建这套系统，也分享给大家。这里的是半监督学习，也就是说，还是需要一些人力工作，才能维持该系统的正常运转。搭建这套系统之后，只需要包含人脸的图像就可以了，不需要做任何分类，标定，直接丢到该系统中，就能当作训练的数据（需要人进行小量的筛选）。下面我们就开始把。

人脸检测

假设，我们随便收集了一下，或者抓拍了一下包含人脸，也可能没有包含人脸的照片，那么我们首先是要把这些人脸的都截取出来，并且还要进行人脸矫正。编写insightface-master\src\align\align_my.py（在本人的源码中，作者的代码不知道如何就设置人脸矫正，所以自己重新改写了一下）脚本如下：

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

from scipy import misc
import sys
import os
import argparse
import tensorflow as tf
import numpy as np
# import facenet
import detect_face
import random
from time import sleep

sys.path.append(os.path.join(os.path.dirname(__file__), '..', 'common'))
import face_image
import src.common.face_preprocess as face_preprocess
from skimage import transform as trans
import cv2


def to_rgb(img):
    w, h = img.shape
    ret = np.empty((w, h, 3), dtype=np.uint8)
    ret[:, :, 0] = ret[:, :, 1] = ret[:, :, 2] = img
    return ret


def IOU(Reframe, GTframe):
    x1 = Reframe[0];
    y1 = Reframe[1];
    width1 = Reframe[2] - Reframe[0];
    height1 = Reframe[3] - Reframe[1];

    x2 = GTframe[0]
    y2 = GTframe[1]
    width2 = GTframe[2] - GTframe[0]
    height2 = GTframe[3] - GTframe[1]

    endx = max(x1 + width1, x2 + width2)
    startx = min(x1, x2)
    width = width1 + width2 - (endx - startx)

    endy = max(y1 + height1, y2 + height2)
    starty = min(y1, y2)
    height = height1 + height2 - (endy - starty)

    if width