FaceBoxes.PyTorch

Pytorch의 페이스 박스

Zisian Wong, Shifeng Zhang

페이스 박스의 Pytorch 구현 : 정확도가 높은 CPU 실시간 페이스 탐지기. 카페의 공식 코드는 여기에서 찾을 수 있습니다.

성능

데이터 세트	오리지널 카페	Pytorch 구현
AFW	98.98 %	98.55%
파스칼	96.77 %	97.05%
FDDB	95.90 %	96.00%

소환

연구에 도움이된다면 간행물에서 논문을 인용하십시오.

 @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}
}

내용물

• 설치
• 훈련
• 평가
• 참조

설치

1. 공식 지침에 따라 Pytorch> = v1.0.0을 설치하십시오.

2. 이 저장소를 복제하십시오. 복제 된 디렉토리를 $FaceBoxes_ROOT 로 호출합니다.

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

3. NMS 컴파일 :

./make.sh

참고 : 코드는 Python 3+를 기반으로합니다.

훈련

1. 더 넓은 얼굴 데이터 세트를 다운로드 하고이 디렉토리 아래에 이미지를 배치하십시오.

 $FaceBoxes_ROOT /data/WIDER_FACE/images

2. 더 넓은 얼굴 주석을 VOC 형식으로 변환하거나 변환 된 주석을 다운로드 하고이 디렉토리 아래에 배치하십시오.

 $FaceBoxes_ROOT /data/WIDER_FACE/annotations

3. 더 넓은 얼굴을 사용하여 모델을 훈련하십시오.

 cd $FaceBoxes_ROOT /
python3 train.py

모델을 훈련시키지 않으면 미리 훈련 된 모델을 다운로드하여 $FaceBoxes_ROOT/weights 에 저장할 수 있습니다.

평가

1. AFW, Pascal Face 및 FDDB의 이미지를 다음과 같이 다운로드하십시오.

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

2. 다음을 사용하여 숙련 된 모델을 평가하십시오.

 # 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. Eval_Tool을 다운로드하여 성능을 평가하십시오.

참조

• 공식 릴리스 (카페)

• 도움이 된 Pytorch의 SSD 포트에 큰 감사를드립니다.

  • ssd.pytorch, rfbnet

  참고 : 위의 링크를 통해 변환 된 주석, 제공된 이미지 및 훈련 된 모델을 다운로드 할 수없는 경우 Baiduyun을 통해 다운로드 할 수 있습니다.