PFLD pytorch

Pfld-pytorch

Implementación de PFLD Un detector práctico de puntos de referencia facial por Pytorch.

1. Instalar requisitos

pip3 install -r requirements.txt

2. Conjuntos de datos

• Descargar el conjunto de datos WFLW

Los puntos de referencia faciales más amplios en el Wild (WFLW) es un nuevo conjunto de datos facial propuesto. Contiene 10000 caras (7500 para capacitación y 2500 para pruebas) con 98 puntos de referencia anotados totalmente manuales.

1. WFLW Training and Testing Images [Google Drive] [Baidu Drive]
2. Annotaciones de WFLW Face
3. Descomprima por encima de dos paquetes y póngalos ./data/WFLW/
4. mover Mirror98.txt a WFLW/WFLW_annotations

$ cd data 
$ python3 SetPreparation.py

3. Entrenamiento y pruebas

capacitación :

$ python3 train.py

Use TensorBoard, abra una nueva terminal

 $ tensorboard  --logdir=./checkpoint/tensorboard/

pruebas:

$ python3 test.py

4. Resultados:

5. Pytorch -> Onnx -> NCNN

Pytorch -> onnx

python3 pytorch2onnx.py

ONNX -> NCNN

Cómo construir: https: //github.com/tencent/ncnn/wiki/how-to-build

 cd ncnn/build/tools/onnx
./onnx2ncnn pfld-sim.onnx pfld-sim.param pfld-sim.bin

Ahora puede usar pfld-sim.param y pfld-sim.bin en ncnn:

ncnn::Net pfld;
pfld.load_param( " path/to/pfld-sim.param " );
pfld.load_model( " path/to/pfld-sim.bin " );

cv::Mat img = cv::imread(imagepath, 1 );
ncnn::Mat in = ncnn::Mat::from_pixels_resize(img.data, ncnn::Mat::PIXEL_BGR, img.cols, img.rows, 112 , 112 );
const float norm_vals[ 3 ] = { 1 / 255 . f , 1 / 255 . f , 1 / 255 . f };
in.substract_mean_normalize( 0 , norm_vals);

ncnn::Extractor ex = pfld.create_extractor();
ex.input( " input_1 " , in);
ncnn::Mat out;
ex.extract( " 415 " , out);

6. Referencia:

PFLD: un detector práctico de hito facial https://arxiv.org/pdf/1902.10859.pdf

Implementación de TensorFlow: https://github.com/guoqiangqi/pfld