FaceBoxes.PyTorch

Kotak wajah di Pytorch

Oleh Zisian Wong, Shifeng Zhang

Implementasi Pytorch dari Facebox: Detektor Wajah Real-Time CPU dengan akurasi tinggi. Kode resmi di Caffe dapat ditemukan di sini.

Pertunjukan

Dataset	Caffe asli	Implementasi Pytorch
Afw	98,98 %	98,55%
Pascal	96,77 %	97,05%
Fddb	95,90 %	96,00%

Kutipan

Harap kutip makalah di publikasi Anda jika membantu penelitian Anda:

 @inproceedings{zhang2017faceboxes,
  title = {Faceboxes: A CPU Real-time Face Detector with High Accuracy},
  author = {Zhang, Shifeng and Zhu, Xiangyu and Lei, Zhen and Shi, Hailin and Wang, Xiaobo and Li, Stan Z.},
  booktitle = {IJCB},
  year = {2017}
}

Isi

• Instalasi
• Pelatihan
• Evaluasi
• Referensi

Instalasi

1. Instal Pytorch> = v1.0.0 Mengikuti instruksi resmi.

2. Kloning repositori ini. Kami akan menyebut direktori yang dikloning sebagai $FaceBoxes_ROOT .

git clone https://github.com/zisianw/FaceBoxes.PyTorch.git

3. Kompilasi NMS:

./make.sh

Catatan: Kode didasarkan pada Python 3+.

Pelatihan

1. Unduh dataset wajah yang lebih luas, tempatkan gambar di bawah direktori ini:

 $FaceBoxes_ROOT /data/WIDER_FACE/images

2. Konversi anotasi wajah yang lebih luas ke format VOC atau unduh anotasi yang dikonversi kami, letakkan di bawah direktori ini:

 $FaceBoxes_ROOT /data/WIDER_FACE/annotations

3. Latih model menggunakan wajah yang lebih luas:

 cd $FaceBoxes_ROOT /
python3 train.py

Jika Anda tidak ingin melatih model, Anda dapat mengunduh model pra-terlatih kami dan menyimpannya di $FaceBoxes_ROOT/weights .

Evaluasi

1. Unduh gambar AFW, Pascal Face dan FDDB ke:

 $FaceBoxes_ROOT /data/AFW/images/
$FaceBoxes_ROOT /data/PASCAL/images/
$FaceBoxes_ROOT /data/FDDB/images/

2. Evaluasi model terlatih menggunakan:

 # dataset choices = ['AFW', 'PASCAL', 'FDDB']
python3 test.py --dataset FDDB
# evaluate using cpu
python3 test.py --cpu
# visualize detection results
python3 test.py -s --vis_thres 0.3

3. Unduh eval_tool untuk mengevaluasi kinerja.

Referensi

• Rilis Resmi (Caffe)

• Terima kasih banyak untuk port SSD di Pytorch yang telah membantu:

  • ssd.pytorch, rfbnet

  Catatan: Jika Anda tidak dapat mengunduh anotasi yang dikonversi, gambar yang disediakan dan model terlatih melalui tautan di atas, Anda dapat mengunduhnya melalui Baiduyun.