SphereFace

SphereFace 的 PyTorch 实现。 该代码可以在 CASIA-Webface 数据集上进行训练，在 LFW 数据集上的最佳准确率为 99.22%。

SphereFace：用于人脸识别的深度超球嵌入

训练

python train.py

测试

# 将 lfw.tgz 解压为 lfw.zip
tar zxf lfw.tgz; cd lfw; zip -r ../lfw.zip *; cd ..

# LFW 评估
python lfw_eval.py --model model/sphere20a_20171020.pth

预训练模型

模型名称	LFW 准确率	训练数据集
20171020	0.9922	CASIA-WebFace

φ

=1-\frac{x^2}{2!}+\frac{x^4}{4!}-\frac{x^6}{6!}+\frac{x^8}{8!}-\frac{x^9}{9!})

参考文献

sphereface

SphereFace PyTorch 快速上手指南

SphereFace 是一种基于深度超球面嵌入的人脸识别算法。本仓库提供了该算法的 PyTorch 实现，在 CASIA-WebFace 数据集上训练后，LFW 测试集准确率可达 99.22%。

环境准备

• 系统要求：Linux 或 macOS（Windows 需自行配置兼容环境）
• 前置依赖：
  • Python 3.x
  • PyTorch (建议版本 >= 0.4.0)
  • torchvision
  • scipy, numpy, PIL/Pillow
  • zip/unzip 工具（用于处理 LFW 数据集）

提示：国内开发者推荐使用清华源或阿里源加速安装依赖：

pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

1. 克隆本仓库代码：

   git clone https://github.com/wy1iu/sphereface_pytorch.git
   cd sphereface_pytorch
   

2. 安装必要的 Python 依赖包：

   pip install -r requirements.txt
   

   (注：若仓库无 requirements.txt 文件，请手动安装上述“环境准备”中列出的库)

3. （可选）下载预训练模型： 从 模型链接 下载预训练权重 sphere20a_20171020.pth，并将其放置在 model/ 目录下。

基本使用

1. 训练模型

使用默认配置在 CASIA-WebFace 数据集上开始训练：

python train.py

请确保已提前下载并处理好 CASIA-WebFace 数据集，路径需在代码或配置中正确指定。

2. 模型评估 (LFW)

在 LFW 数据集上进行精度评估前，需先将数据转换为 zip 格式：

# 解压并转换格式：从 lfw.tgz 转为 lfw.zip
tar zxf lfw.tgz; cd lfw; zip -r ../lfw.zip *; cd ..

# 执行评估脚本
python lfw_eval.py --model model/sphere20a_20171020.pth

运行成功后，终端将输出该模型在 LFW 数据集上的验证准确率。