CASIA-SURF 2019 代码项目使用教程

1. 项目目录结构及介绍

CASIA-SURF 2019 代码项目的目录结构如下：

casia-surf-2019-codes/
├── checkpoint/
├── common/
├── data/
├── imgs/
├── symbols/
├── .gitignore
├── LICENSE
├── README.md
├── __init__.py
├── commit.py
├── commit_phase2.py
├── data_preprocess.py
├── readme.txt
├── requirements.txt
├── train_depth_densenet.py
├── train_depth_resnet.py
├── train_depth_shufflenet_v2.py
├── train_depth_vmspoofface.py
├── train_depth_vmspoofnet.py
├── train_depth_vmspoofnet_step2.py
├── train_depth_vmspoofnet_step3.py
├── train_depth_vmspoofnet_v2.py
├── train_depth_vmspoofnet_v2_step2.py
└── val_public_list_with_label.txt

目录结构介绍

• checkpoint/: 存放训练过程中生成的模型检查点文件。
• common/: 存放项目中使用的通用工具和函数。
• data/: 存放数据集预处理后的文件，如 .rec 文件。
• imgs/: 存放项目中使用的图像文件。
• symbols/: 存放模型定义的符号文件。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证文件。
• README.md: 项目说明文件。
• init.py: Python 包初始化文件。
• commit.py: 用于提交测试结果的脚本。
• commit_phase2.py: 用于第二阶段提交测试结果的脚本。
• data_preprocess.py: 数据集预处理脚本。
• readme.txt: 项目详细说明文件。
• requirements.txt: 项目依赖库配置文件。
• train_depth_densenet.py: 使用 DenseNet 模型进行训练的脚本。
• train_depth_resnet.py: 使用 ResNet 模型进行训练的脚本。
• train_depth_shufflenet_v2.py: 使用 ShuffleNet V2 模型进行训练的脚本。
• train_depth_vmspoofface.py: 使用 VMSpoofFace 模型进行训练的脚本。
• train_depth_vmspoofnet.py: 使用 VMSpoofNet 模型进行训练的脚本。
• train_depth_vmspoofnet_step2.py: VMSpoofNet 模型训练的第二步脚本。
• train_depth_vmspoofnet_step3.py: VMSpoofNet 模型训练的第三步脚本。
• train_depth_vmspoofnet_v2.py: 使用 VMSpoofNet V2 模型进行训练的脚本。
• train_depth_vmspoofnet_v2_step2.py: VMSpoofNet V2 模型训练的第二步脚本。
• val_public_list_with_label.txt: 验证集的标签文件。

2. 项目启动文件介绍

项目的启动文件主要是用于训练和测试的脚本文件。以下是主要的启动文件及其功能介绍：

• train_depth_shufflenet_v2.py: 这是项目的主要训练脚本，用于使用 ShuffleNet V2 模型进行训练。启动该脚本可以开始模型的训练过程。

python train_depth_shufflenet_v2.py

• commit.py: 这是用于提交测试结果的脚本。启动该脚本可以加载训练好的模型并生成测试结果。

python commit.py --load-epoch 73

• commit_phase2.py: 这是用于第二阶段提交测试结果的脚本。启动该脚本可以加载训练好的模型并生成第二阶段的测试结果。

python commit_phase2.py --load-epoch 73

3. 项目的配置文件介绍

项目的配置文件主要包括以下几个：

• requirements.txt: 该文件列出了项目运行所需的 Python 依赖库。使用以下命令可以安装所有依赖库：

pip install -r requirements.txt

• readme.txt: 该文件包含了项目的详细说明，包括数据集的获取、环境配置、数据预处理、模型训练和测试的步骤。

• data_preprocess.py: 该脚本用于数据集的预处理，生成训练和验证所需的 .lst 和 .rec 文件。

python data_preprocess.py

通过以上配置文件和启动文件，用户可以顺利地进行数据集的预处理、模型的训练和测试。