良好的聚类人脸特征可以与 pytorch 或 opencv.dnn 模块一起使用

Question

我正在寻找好的特征提取器（pytorch 的库或预训练架构），除了 dlib，用于使用 DBSCAN 实现人脸聚类。

我通过 opencv 的 dnn 模块通过下一个代码尝试了 openface 预训练功能：

import cv2 
import numpy as np 
from pathlib import Path
from sklearn.cluster import DBSCAN
import multiprocessing
 
dataset_path = 'datasetpath'
embedder = cv2.dnn.readNetFromTorch('openface.nn4.small2.v1.t7')

face_list = []
vec_list = []

for i in Path(dataset_path).glob("*.jpg"):
    frame = cv2.imread(str(i))
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray, 1.3, 5, minSize=None, maxSize=None)
    for coords in faces:
        face = frame[coords[1]:coords[1]+coords[3], coords[0]:coords[0]+coords[2]]
        face = cv2.resize(face, (96, 96))
        faceBlob = cv2.dnn.blobFromImage(face, 1.0 / 255,
            (96, 96),
            (0, 0, 0), 
            swapRB=True,
            crop=False)
        embedder.setInput(faceBlob)
        vec = embedder.forward().flatten()
        face_list.append(face)
        vec_list.append(vec)


clt = DBSCAN(eps=0.5, metric="euclidean", min_samples=5, n_jobs=multiprocessing.cpu_count())
clt.fit_predict(vec_list)
clt.labels_

结果是：

array([-1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
       -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
       -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
       -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
       -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
       -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
       -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1,
       -1, -1])

很明显，DBSCAN 未能找到密集簇，所有面孔都聚集为异常值。我的数据集与这篇文章相同。我在 DBSCAN 上使用了与 post 相同的参数，所以我怀疑 openface 功能是否分散或对面部的细微差异做出响应，没有足够聚合到 DBSCAN 的初始种子。我更改了 eps 和 min_samples 但结果是相同的。有没有什么好的人脸特征提取器或预训练模型，尤其可以与 pytorch 或 cv2.dnn 模块一起使用？