FaceBoxes.PyTorch

faceboxes ใน pytorch

โดย Zisian Wong, Shifeng Zhang

การใช้งาน pytorch ของ faceboxes: เครื่องตรวจจับใบหน้าแบบเรียลไทม์ CPU ที่มีความแม่นยำสูง รหัสอย่างเป็นทางการในคาเฟอีนสามารถพบได้ที่นี่

ผลงาน

ชุดข้อมูล	คาเฟอีนดั้งเดิม	การใช้งาน Pytorch
AFW	98.98 %	98.55%
ประเทศปาสคาล	96.77 %	97.05%
FDDB	95.90 %	96.00%

การอ้างอิง

โปรดอ้างอิงกระดาษในสิ่งพิมพ์ของคุณหากช่วยวิจัยของคุณ:

 @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}
}

สารบัญ

• การติดตั้ง
• การฝึกอบรม
• การประเมิน
• การอ้างอิง

การติดตั้ง

1. ติดตั้ง pytorch> = v1.0.0 ต่อไปนี้คำแนะนำอย่างเป็นทางการ

2. โคลนที่เก็บนี้ เราจะเรียกไดเรกทอรีโคลนเป็น $FaceBoxes_ROOT

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

3. รวบรวม NMS:

./make.sh

หมายเหตุ: รหัสขึ้นอยู่กับ Python 3+

การฝึกอบรม

1. ดาวน์โหลดชุดข้อมูลใบหน้าที่กว้างขึ้นวางรูปภาพภายใต้ไดเรกทอรีนี้:

 $FaceBoxes_ROOT /data/WIDER_FACE/images

2. แปลงคำอธิบายประกอบใบหน้าที่กว้างขึ้นเป็นรูปแบบ VOC หรือดาวน์โหลดคำอธิบายประกอบที่แปลงแล้ววางไว้ภายใต้ไดเรกทอรีนี้:

 $FaceBoxes_ROOT /data/WIDER_FACE/annotations

3. ฝึกอบรมแบบจำลองโดยใช้ใบหน้าที่กว้างขึ้น:

 cd $FaceBoxes_ROOT /
python3 train.py

หากคุณไม่ต้องการฝึกอบรมโมเดลคุณสามารถดาวน์โหลดโมเดลที่ผ่านการฝึกอบรมมาก่อนและบันทึกไว้ใน $FaceBoxes_ROOT/weights

การประเมิน

1. ดาวน์โหลดภาพของ AFW, Pascal Face และ FDDB ไปที่:

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

2. ประเมินรูปแบบที่ผ่านการฝึกอบรมโดยใช้:

 # 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. ดาวน์โหลด eval_tool เพื่อประเมินประสิทธิภาพ

การอ้างอิง

• การเปิดตัวอย่างเป็นทางการ (คาเฟอีน)

• ขอบคุณมากสำหรับพอร์ต SSD ใน Pytorch ที่มีประโยชน์:

  • ssd.pytorch, rfbnet

  หมายเหตุ: หากคุณไม่สามารถดาวน์โหลดคำอธิบายประกอบที่ได้รับการแปลงภาพรูปภาพที่ให้ไว้และโมเดลที่ผ่านการฝึกอบรมผ่านลิงก์ด้านบนคุณสามารถดาวน์โหลดผ่าน Baiduyun