PFLD pytorch

pfld-pytorch

PFLDの実装Pytorchによる実用的なフェイシャルランドマーク検出器。

1.要件をインストールします

pip3 install -r requirements.txt

2。データセット

• WFLWデータセットのダウンロード

ワイルドインザワイルド（WFLW）のより広いフェイシャルランドマークは、新しい提案されたフェイスデータセットです。 98の完全に手動注釈付きランドマークを備えた10000の顔（トレーニング用の7500、テスト用の2500）が含まれています。

1. WFLWトレーニングとテスト画像[Google Drive] [Baidu Drive]
2. WFLWはアノテーションに直面します
3. 2つのパッケージの上に解凍して、それらを置きます./data/WFLW/
4. Mirror98.txt WFLW/WFLW_annotationsに移動します

$ cd data 
$ python3 SetPreparation.py

3。トレーニングとテスト

トレーニング ：

$ python3 train.py

テンソルボードを使用して、新しい端末を開きます

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

テスト：

$ python3 test.py

4。結果：

5。Pytorch-> onnx-> ncnn

pytorch-> onnx

python3 pytorch2onnx.py

onnx-> ncnn

構築方法：https：//github.com/tencent/ncnn/wiki/how-to-build

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

これで、ncnnでpfldsim.paramおよびpfld-sim.binを使用できます。

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。参照：

PFLD：実用的なフェイシャルランドマーク検出器https://arxiv.org/pdf/1902.10859.pdf

Tensorflow実装：https：//github.com/guoqiangqi/pfld