arcface-pytorch

ArcFace 的 PyTorch 实现

参考资料

https://github.com/deepinsight/insightface

https://github.com/auroua/InsightFace_TF

https://github.com/MuggleWang/CosFace_pytorch

预训练模型和 LFW 测试数据集

预训练模型和 LFW 测试数据集可以在这里下载。链接：https://pan.baidu.com/s/1tFEX0yjUq3srop378Z1WMA 提取码：b2ec 该预训练模型使用的是不带 SE 模块的 ResNet-18。请在运行 test.py 之前，修改 config.py 中 LFW 数据集的路径。

arcface-pytorch 快速上手指南

环境准备

• 系统要求：Linux / Windows / macOS
• Python 版本：推荐 Python 3.6+
• 核心依赖：
  • PyTorch (建议 1.0+)
  • torchvision
  • numpy
  • Pillow
  • tqdm
  • tensorboardX (可选，用于可视化)

确保已安装 CUDA 和 cuDNN 以启用 GPU 加速（可选但推荐）。

安装步骤

1. 克隆项目代码：

git clone https://github.com/your-repo/arcface-pytorch.git
cd arcface-pytorch

2. 安装 Python 依赖（推荐使用国内镜像源加速）：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

注：若项目中无 requirements.txt，请手动安装上述核心依赖。

3. 下载预训练模型与测试数据集：

   • 访问百度网盘链接：https://pan.baidu.com/s/1tFEX0yjUq3srop378Z1WMA
   • 提取码：b2ec
   • 下载完成后，将预训练模型文件和 LFW 测试数据集解压到项目目录。

4. 配置数据集路径： 打开 config.py 文件，修改 LFW 数据集的路径指向你本地解压后的文件夹位置。

基本使用

本项目基于 ResNet-18（不含 SE 模块）构建了预训练模型。以下是最简单的测试流程：

1. 运行测试脚本评估模型在 LFW 数据集上的表现：

python test.py

2. （可选）若需进行训练或微调，请准备好自己的数据集并调整 config.py 中的相关参数，然后运行：

python train.py

提示：该实现参考了 InsightFace 等优秀开源项目，适用于人脸识别特征提取任务。