PFLD pytorch

Pfld-Pytorch

Внедрение PFLD Практический детектор для лица Pytorch.

1. Установите требования

pip3 install -r requirements.txt

2. Наборы данных

• Набор данных WFLW

Более широкие достопримечательности лица в WILD (WFLW)-это новый предлагаемый набор данных лица. Он содержит 10000 лиц (7500 для обучения и 2500 для тестирования) с 98 полностью ручными аннотированными достопримечательностями.

1. WFLW Обучение и тестирование изображений [Google Drive] [Baidu Drive]
2. WFLW Annotations
3. Разанип выше двух пакетов и поставьте их на ./data/WFLW/
4. Move Mirror98.txt в WFLW/WFLW_annotations

$ cd data 
$ python3 SetPreparation.py

3. Обучение и тестирование

обучение :

$ python3 train.py

Используйте Tensorboard, откройте новый терминал

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

Тестирование:

$ python3 test.py

4. Результаты:

5. pytorch -> onnx -> ncnn

Pytorch -> onnx

python3 pytorch2onnx.py

onnx -> ncnn

Как построить: https: //github.com/tencent/ncnn/wiki/how-to-build

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

Теперь вы можете использовать pfld-sim.param и pfld-sim.bin в 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. Ссылка:

PFLD: практическое детектор по лицевому значению https://arxiv.org/pdf/1902.10859.pdf

Реализация TensorFlow: https://github.com/guoqiangqi/pfld