PFLD pytorch

pfld-pytorch

PFLD的实施PFLD由Pytorch实施实际面部标志性检测器。

1。安装要求

pip3 install -r requirements.txt

2。数据集

• WFLW数据集下载

更宽的面部地标在野外（WFLW）是一个新提出的面部数据集。它包含10000个面孔（7500张训练，2500张用于测试），带有98个完全手动注释的地标。

1. WFLW培训和测试图像[Google Drive] [Baidu Drive]
2. wflw脸注释
3. 解开两个包裹上方的拉链，然后将它们放在./data/WFLW/上
4. 将Mirror98.txt移动到WFLW/WFLW_annotations

$ cd data 
$ python3 SetPreparation.py

3。培训和测试

训练 ：

$ python3 train.py

使用张板，打开一个新的终端

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

测试：

$ python3 test.py

4。结果：

5。pytorch-> onnx-> ncnn

pytorch-> onnx

python3 pytorch2onnx.py

onnx-> ncnn

如何构建：https：//github.com/tencent/ncnn/wiki/how-to-build

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

现在，您可以在ncnn中使用pfld-sim.param和pfld-sim.bin ：

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。参考：

PFLD：实用的面部标志探测器https://arxiv.org/pdf/1902.10859.pdf

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