FaceBoxes.PyTorch

Faceboxes в Pytorch

Зизиан Вонг, Шифенг Чжан

Реализация Faceboxes Pytorch: детектор лица в реальном времени в реальном времени с высокой точностью. Официальный код в кофе можно найти здесь.

Производительность

Набор данных	Оригинальный кофе	Реализация Pytorch
Афу	98,98 %	98,55%
Паскаль	96,77 %	97,05%
FDDB	95,90 %	96,00%

Цитирование

Пожалуйста, процитируйте статью в ваших публикациях, если это поможет вашему исследованию:

 @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}
}

Содержимое

• Установка
• Обучение
• Оценка
• Ссылки

Установка

1. Установите Pytorch> = v1.0.0 Следующая официальная инструкция.

2. Клонировать это хранилище. Мы будем называть клонированный каталог как $FaceBoxes_ROOT .

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

3. Составьте NMS:

./make.sh

Примечание. Коды основаны на Python 3+.

Обучение

1. Загрузите более широкий набор данных лица, поместите изображения в этот каталог:

 $FaceBoxes_ROOT /data/WIDER_FACE/images

2. Преобразовать более широкие аннотации лица в формат VOC или загрузить наши конвертированные аннотации, поместите их в этот каталог:

 $FaceBoxes_ROOT /data/WIDER_FACE/annotations

3. Обучить модель, используя более широкое лицо:

 cd $FaceBoxes_ROOT /
python3 train.py

Если вы не хотите тренировать модель, вы можете скачать нашу предварительно обученную модель и сохранить ее в $FaceBoxes_ROOT/weights .

Оценка

1. Загрузите изображения AFW, Pascal Face и FDDB:

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

2. Оцените обученную модель, используя:

 # 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. Скачать eval_tool, чтобы оценить производительность.

Ссылки

• Официальный релиз (Caffe)

• Огромное спасибо портам SSD в Pytorch, которые были полезны:

  • Ssd.pytorch, Rfbnet

  Примечание. Если вы не можете загрузить конвертированные аннотации, предоставленные изображения и обученную модель по приведенным выше ссылкам, вы можете загрузить их через Baiduyun.