We introduce a new large-scale face dataset named VGGFace2. The dataset contains 3.31 million images of 9131 subjects (identities), with an average of 362.6 images for each subject. Images are downloaded from Google Image Search and have large variations in pose, age, illumination, ethnicity and profession (e.g. actors, athletes, politicians).
(1)人脸对齐
使用vggface_align.py脚本进行人脸对齐，对齐方法：读取loose_bb_train.csv标注文件中人脸框，人脸框4个方向各外扩20%，抠取人脸，然后把人脸框的最小边缩放到128（宽高等比例缩放）。
vggface2_face的人脸样图如下：
对齐后的人脸如下:
(2)人脸列表
利用face_labels_gen.py脚本生成face label。生成的列表如下：
(3)生成LMDB
利用create_vggface2.sh脚本生成caffe训练时用的lmdb数据。
./build/tools/caffe train --solver examples/face_recog/inception_resnet_v2_tiny_solver.prototxt --gpu 0,1
(1)LFW数据集测评：
利用face_similarity.py脚本生成LFW人脸对的余弦相似度得分。
python face_similarity.py --image_dir lfw_mtcnnpy_160
--pair_file face_list_lfw.txt
--result_file facenet_vggface2_inception_resnet_v2_lfw.txt
--network inception_resnet_v2_tiny_deploy.prototxt
--weights facenet_inception_resnet_v2_tiny_iter_192000.caffemodel
(2)LFW性能分析：
利用roc_curve.py脚本生成结果。
python roc_curve.py face_list_lfw_gt.txt facenet_vggface2_inception_resnet_v2_lfw.txt
