Skip to content

berli/facenet-vs-vggface

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

96 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

facenet-vs-vggface

file1   file2 facenet(欧式距离) facenet(欧式距离-显卡) vggface(余弦相似度)
gg1.jpg gg2.jpg 0.6976 0.6545 0.74451
gg1.jpg gg3.jpg 0.7641           0.6883 0.626138
gg1.jpg gg5.jpg 0.7882 0.7961 0.58714
gg1.jpg gg6.jpg no detect x 0.473986
gg1.jpg gg7.jpg no detect x 0.475262
6.jpg 33.jpg 0.6209 x 0.467728
gg2.jpg gg3.jpg 0.7289 0.7287 0.646415
g2.jpg gg5.jpg 0.8284 0.8286 0.684934
gg2.jpg gg6.jpg no detect x 0.560137
gg3.jpg gg5.jpg 0.6176 0.6175 0.619669
rr.jpg rr2.jpg 0.5816 x 0.545326

PS:facenet是基于tensorflow实现,vggface是基于caffe实现
还有TensorFlow的facenet运行相当慢,耗时是caffe的5倍

----------------------------------AI 学习路线图----------------------
1 先熟悉TensorFlow,caffe的环境,能安装,跑demo
2 从你感兴趣的课题切入,我比较感兴趣人脸识别,图像检测,觉得比较好玩,有兴趣才有动力嘛
然后学习下文本处理,比如分词,文本摘要生成,从github或开源的代码寻找相关感兴趣的,然后试着改成你想要的   4 自己尝试写一些力所能及的代码,体会其中的原理
5 逐步深入,优化开源的,加大难度

本来想以C++主要学习路线,caffe还可以全部用C++,TensorFlow就不行了,很多API只有python的