如何为dlib的compute_face_descriptor函数设置随机种子保证结果可复现

原因说明 #

dlib的随机数生成逻辑完全独立于numpy、Python标准库的random模块，你设置np.random.seed()只会影响numpy的随机行为，无法作用于dlib做jitter扰动时的随机采样过程，所以会出现设置了numpy种子但结果仍然不稳定的情况。

解决方案 #

调用dlib自带的全局随机种子设置函数dlib.set_seed()即可固定内部随机状态，保证num_jitters>0时多次计算的人脸嵌入完全一致。

代码示例 #

import dlib
import numpy as np

# 固定dlib全局随机种子，数值可自定义
dlib.set_seed(43)
# 原有numpy种子设置可以保留，不影响dlib逻辑
np.random.seed(43)

# 初始化人脸识别模型
face_rec_model = dlib.face_recognition_model_v1('dlib_face_recognition_resnet_model_v1.dat')

# 传入对齐后人脸图像、人脸关键点，num_jitters设为10计算嵌入
# 注：img、shape为你提前获取的人脸输入数据
face_embedding = face_rec_model.compute_face_descriptor(img, shape, num_jitters=10)
# 转为numpy数组可选
face_embedding = np.array(face_embedding)

注意事项 #

• 如果程序中存在多线程调用dlib接口的场景，需要保证每个线程在调用compute_face_descriptor前都重新设置一次dlib种子，避免多线程随机状态互相干扰
• 每次重启进程、重新初始化模型后，只要重新调用dlib.set_seed()传入相同数值，就能得到完全一致的输出结果

内容的提问来源于stack exchange，提问作者Amandeep Singh Uppal