Python Pytorch Facenet MTCNN图像输出
我正在用两种方法在python中使用facenet pytorch()开发一个人脸识别应用程序 第一种方法 代码- 在这段代码中,我从给定的图像中提取人脸,并获得用于识别人脸的512种编码 在本例中,我使用了两个不同的面,并绘制了面之间的距离Python Pytorch Facenet MTCNN图像输出,python,pytorch,face-recognition,facenet,Python,Pytorch,Face Recognition,Facenet,我正在用两种方法在python中使用facenet pytorch()开发一个人脸识别应用程序 第一种方法 代码- 在这段代码中,我从给定的图像中提取人脸,并获得用于识别人脸的512种编码 在本例中,我使用了两个不同的面,并绘制了面之间的距离 a.jpg b.jpg a.jpg 0.000000 1.142466 b.jpg 1.142466 0.000000 它工作得很好 第二种方法 代码- 在这段代码中,我通常先获得面坐标,然后是嵌入的坐标。
a.jpg b.jpg
a.jpg 0.000000 1.142466
b.jpg 1.142466 0.000000
它工作得很好
第二种方法
代码-
在这段代码中,我通常先获得面坐标,然后是嵌入的坐标。两个面之间的距离-
a.jpg b.jpg
a.jpg 0.000000 0.631094
b.jpg 0.631094 0.000000
在第一种方法中,我直接将图像送入mtcnn,得到了更好的结果,两个面之间的距离大于1.0。
在第二种方法中,我使用mtcnn.detect()
获取人脸的坐标,从给定的图像中裁剪人脸,然后馈送到resnet。此方法使两个不同面之间的距离更小
然后,我通过在输入resnet之前绘制结果(面),找到了第一种方法比第二种方法性能好的原因
在第二种方法中,我通过使用mtcnn.detect()
裁剪面来填充与输入图像(清晰图像)中给出的面相同的面
但是,在第一种方法中,我直接将输入输入到mtcnn(img)
,它返回的是黑暗中人脸的张量,而不是输入图像中的张量。这个较暗的图像不是清晰的图像(眼睛周围的区域较暗,我用很多照片测试过),无法清晰地看到眼睛。这就是原因,第一种方法显示两个面之间的距离更大
我的疑问是,为什么mtcnn在黑暗中返回张量,如何解决它,在这个问题上帮助我
谢谢
img = Image.open(image)
boxes, probs = mtcnn.detect(img) # Gives the coordinates of the face in the given image
face = img.crop((boxes[0][0], boxes[0][1], boxes[0][2], boxes[0][3])) # Cropping the face
plt.figure()
plt.imshow(face)
pil_to_tensor = transforms.ToTensor()(face).unsqueeze_(0) # Converting to tensor type
image_embedding = resnet(pil_to_tensor)
a.jpg b.jpg
a.jpg 0.000000 0.631094
b.jpg 0.631094 0.000000