我有一个包含 1500 张人脸图像的数据集，我选择了 150 张图像作为探测。 现在有 150 张图片在探针文件夹中，其他图片在图库文件夹中。
我有 facenet 特征提取器，它从图像中提取特征并保存到 .npy 数组中以计算欧几里德距离。
我如何将这 150 张图像与整个画廊文件夹进行比较，并绘制 rank-1,5 和 10 以及相似图像之间的准确度图并计算 mAP？
【问题讨论】：
标签： machine-learning compare feature-extraction facenet
首先，我将对测试图像运行特征提取器。然后计算每 150 张图像特征提取结果（假设是训练集）与测试图像特征提取结果之间的差异。
all_res = []
for set in train sets :
res = set - test_res
res = sum(res)
all_res.append(res)
all_res = all_rest.sort()
所以all_res 列表中最小的索引是第一个排名，最大的一个是最新的排名。我希望它可以成为很好的参考。您也可以使用 sklearn 来评估您的模型，例如 SVC、accuracy_score 等。
【讨论】：
假设 source 文件夹中存放 1500 张人脸图像，target 文件夹中存放 150 张人脸图像。
#!pip install deepface
from deepface import DeepFace
targets = ["img1.jpg", "img2.jpg", "img150.jpg"]
resp = DeepFace.find(img_path = targets, db_path = "source", model_name = "Facenet")
顺便说一句，您可以设置 Facenet、VGG-Face、OpenFace、DeepFace 或 DeepID 作为模型名称。
响应对象将返回熊猫数据框列表。每个数据帧从最相似的一个到最不相似的一个进行排序。这就是为什么，我会得到第一个。
index = 0
for df in resp:
if df.shape[0] > 0:
#print(targets[index], ": ", df.head(1))
df.to_csv("%s" % (targets[index]), index = False)
index = index + 1
这将匹配两个文件夹中的身份。
【讨论】：