Download

  git clone https://github.com/Lucas-Wye/Face-Recognition-of-DeepID_Forward_Use_C.git

License

Summary

本项目为用C语言实现的DeepID卷积神经网络的前向传播。目的是要把人脸识别在板子上实现，但是主流的caffe和tensorflow都无法在板子上安装，因此写了这份代码，用C语言实现了前向传播，开发环境为gcc和python3，C语言环境不需要任何其他的依赖包，因此可以在机器上直接编译运行。通过将图片输入到前向传播网络中，得到最后一层输出的特征向量。输入多张图片进行特征提取，再对特征向量进行比较，计算余弦夹角距离，可以判断两张图片的人是否为同一个。其中的caffemodel为训练好的人脸分类器，经验证，本项目对人脸的识别率为90%

Environment

GCC, python3

Introduction

(1)usage

cd net_data && python3 read_para.py	
cd .. 
make
sh run image_1_path image_2_path

(2)./net_data:

存放网络各层参数的二进制文件

read_para.py:

获得网络各层参数并保存到二进制文件中
python3 read_para.py

(3)./pic_rgb:

存放图片和图片的二进制文件

(4)./src:

存放源代码

get_image_pixel:

获得图片的RGB参数并保存到二进制文件中
python3 get_image_pixel.py image_flie_name	

compare.py:

对进行前向传播后的fc160进行比较 
python3 compare.py 1.txt 2.txt

transform:

对图片大小进行调整

JpegCodecs：

解码jpg

./*.c:

c语言实现DeepID网络的前向传播

(5)network parameters

网络结构如下图：

r -> width 96
c -> height 112
w[r][c]

data(1,3,112,96)-> conv1(20,3,4,4)(1,20,109,93) -> relu1 -> 
pool1(1,20,55,47)-> conv2(40,20,3,3)(1,40,53,45) -> relu2 -> pool2(1,40,52,44)-> conv3(60,40,3,3)(1,60,50,42) -> relu3 -> pool3(1,60,25,21) = 31500
| -> fc160_1(160,31500)(1,160)
| -> conv4(80,60,2,2)(1,80,24,20) -> relu4-> fc160_2(160,38400)(1,160)
-> fc160(1,160)

20*3*4*4+20+40*20*3*3+40+60*40*3*3+60+160*31500+160+80*60*2*2+80+160*38400+160 = 11233480

4.1.1 conv1

w(20,3,4,4)
kernel_num:20
kernel_size:4*4
stride:1

b(20)

4.1.2 relu1

4.1.3 pool1

MAX
kernel_size:2
stride:2

4.2.1 conv2

w(40,20,3,3)
kernel_num:40
kernel_size:3*3
stride:1

b(40)

4.2.2 relu2

4.2.3 pool2

MAX
kernel_size:2
stride:1

4.3.1 conv3

w(60,40,3,3)
kernel_num:60
kernel_size:3*3
stride:1

b(60)

4.3.2 relu3

4.3.3 pool3

MAX
kernel_size:2
stride:2

4.4.1 conv4

w(80,60,2,2)
kernel_num:80
kernel_size:2*2
stride:1

b(80)

4.4.2 relu4

4.5 fc160_1

w(160,31500)
b(160)

4.6 fc160_2

w(160,38400)
b(160)

4.7 fc160

fc160_1 + fc160_2