续上篇：https://www.cnblogs.com/techs-wenzhe/p/12936809.html

第一步中已经提取出了源视频的人脸照片以及对应人脸遮罩(landmark以及其他自选遮罩)

第二步：利用Tools处理提取号好的数据集，使其对模型的训练产生正向收益。

首先，我们需要剔除不需要的人脸（对齐识别错误以及非想要换脸的目标），做法是对生成的人脸进行聚类，排序。之后把不需要的类别的人脸删除掉。

这一步的目的是：我们都知道训练一个模型输入参数的正确性决定了算法的精确度，这一步就是为了去除所有错误的，不恰当的输入数据（图片）集。我们需要给模型一个清晰，明了的可学习对象。

PS：如果你的输入数据集(人脸图片很多)过大，请拆分成多个，需要分多次聚类排序。因为这些操作会在RAM中进行，例如：大约22k 张人脸对应大约8G RAM，30k对应11G（还要考虑其他内存使用，浏览器什么的==）.  根据你电脑的RAM能力，选择分几次来处理即可。

GUI的设置如下：

PS: 实际根据有啥模型就用啥，笔者自己办公用的机器有Face-cnn，所以就选了用这个模型排序，选face的话得需要vggface2_resnet50_v2.zip模型在对应目录下才行。

1.1 Data模块: 

• 输入：输入包含上一步提取的人脸的文件夹。

• 输出：留空则基于输入的文件内直接排序。

1.2 Sort Settings模块：

• Sort by：排序的方式，这里直接选face即可。意思是根据人脸相似度进行排序。当然还有其他排序方式(如基于landmark的Face-CNN，基于模糊度的Blur，基于聚类距离-识别错误对齐的distance，基于颜色的Color系列，基于大小的Size系列)，实测还是face最有效。

• Ref Threshold：Sort by内特殊几种算法（face-CNN, Hist）的调节，同样的值越高越严格。（推荐设置为-1即可，代表自动设置默认值） ，face-CNN 7.2就足够了，设置为4会有较高识别度。Hist 0.3就足够，设置为0.2 会有较高的识别度

1.3 Output模块：这里不需要设置任何东西（此部分已完全弃用，并将在未来的更新中删除。这里不需要设置任何东西。

选好模型，选好数据集（图片）所在文件夹，选好输出文件夹，点击sort等待结果即可。

可看到是提取图片中的landmark，根据直方图分类。

 一旦完成，你应该发现 99% 的面孔被分类在一起，所有垃圾也一起分类，现在只需浏览每个垃圾箱（子文件夹），删除那些您不想保留的面孔/文件夹，然后将您想要保留的任何面孔移回父文件夹。

至此，排序完毕，接下来要清理校准-alignments文件