人脸识别0-10：insightFace-半监督系统搭建(5)-流程总结，代码分享。
以下链接是个人关于insightFace所有见解，如有错误欢迎大家指出，我会第一时间纠正，如有兴趣可以加微信：17575010159 相互讨论技术。
人脸识别0-00：insightFace目录:https：//blog.csdn.net/weixin_43013761/article/details/99646731：
这是本人项目的源码：https://github.com/944284742/1.FaceRecognition
其中script目录下的文件为本人编写，主要用于适应自己的项目，可以查看该目录下的redeme文件。
流程前言
代码的原理，训练，以及测试，数据制作，清洗等等，都已经为大家讲解了，为了项目的方便，我编写了一套数据清洗的代码，其中包括了测试训练，半监督分类等脚本，在本人源码的script目录下，其文件如下：
下面我开始为大家讲解这些脚本的使用过程。
人脸检测
假设现在你的公司，有很多图片，但是比较混杂，没有对图片的人脸进行检测，更加没有对人脸进行分类，这种情况下，这样的数据我们是没有办法直接做人脸识别的。类似于这样的照片，假设有很多张：
那么我们首先是需要把人脸全部都检测出来，在本人的源码中，其中src/align/align_my.py为本人编写的源码，在原作者的代码上的基础上进行修改的。只需要执行该脚本，指定输入输出目录，就能把所有图片的人脸全部都截取出来。本人源码已经对人脸进行了矫正。
人脸分类
假设把截取出之后，类似如下，在一个文件夹，或者多个文件之中，大小为112*112
当截取出来之后，我们需要对人脸进行分类了，我们执行script/faces_classer.py文件，该文件操作的步骤比较繁琐，首先我们需要创建一个输出目录，该目录下面必须创建两子文件夹，并且需要分别放入至少一张照片，并且规则的命名，，之前的博客有详细的介绍：
人脸识别0-07：insightFace-半监督系统搭建(2)-人脸分类
这里就偷懒了，大家可以看看之前的博客。
人脸聚类清洗
对人脸进行分类之后，我们需要做去重处理，可能存在大量相似或者一样的照片，只要执行script/delete_same_face.py文件即可，其会删除相同或者类似的图片。完成之后，人脸数据清洗基本完成了，但是此时为了数据精准度，是必要人一个一个的把文件夹查看的，删除掉那些不好的数据，这个地方还是比较耗时的。
数据分割
data_preproce.py脚本有两个功能，一个是数据格式规则化，一个是数据训练测试集的分割。
主要修改的参数如下：
# 如果设置为0代表目录进行规则化，如果设置为1代表进行数据集的分割
parser.add_argument('--rule_divi', type=int, default=0, choices=[0,1],
help='specify the encoding of the images.')
# 需要规则化，或者需要进行数据集分割的根目录
parser.add_argument('--root',
default='E:/1.PaidOn/1.FaceRecognition/2.Dataset/2.PaidOnData/3.TargetData/CASIA-FaceV5/3.CASIA-FaceV5_112x112',
help='')
先设置为0，对目录进行规则化，如果其中有空白的目录会被打印出来，需要做清除处理。要在第二次规则化才能找到空白的文件夹。规则化之后，就要做数据分割了，把rule_divi设置为1.其会在输出目录中生成train和test两个文件夹，然后我们重新把rule_divi设置为0，分别对train和test两个文件夹进行规则化。所谓的规则会，就是把文件夹，变成如下格式：
每个文件夹都是存储一个人的照片。
训练测试数据制作
把数据分割之后，我们需要执行im2rec.py，mydata2pack.py与文件，分别制作训练与测试数据。制作训练数据，执行im2rec.py文件分成两个步骤，首先要再train文件下生成.lst文件，即把im2rec.py的参数
cgroup.add_argument('--list', default=False,
help='If this is set im2rec will create image list(s) by traversing root folder\
and output to <prefix>.lst.\
Otherwise im2rec will read <prefix>.lst and create a database at <prefix>.rec')
设置维ture，这样其就会再分割数据之后的train文件夹下面生成.lst文件，生成之后，再改为false，重新执行一次，就能生成.rec文件了。
再制作.bin测试文件之前，需要生成pairs.txt，通过generate_pairs_txt.py文件。再生成该文件的前提下，再执行mydata2pack.py，这样就能够生成.bin文件了，可以参考前面的博客。
人脸识别0-02：insightFace-模型训练与训练数据制作-史上最全：https://blog.csdn.net/weixin_43013761/article/details/99696192
人脸识别0-03：insightFace-测试集数据制作-史上最全：https://blog.csdn.net/weixin_43013761/article/details/99696326
结语
到这里为止，我们半监督系统已经搭建完成了，后续会维大家讲解人脸聚类的相关知识，敬请期待。