107 lines
3.8 KiB
Markdown
107 lines
3.8 KiB
Markdown
# 人脸检测模型
|
||
|
||
## 简介
|
||
`face_detection`中提供高效、高速的人脸检测解决方案，包括最先进的模型和经典模型。
|
||
|
||
|
||
|
||
## 模型库
|
||
|
||
#### WIDER-FACE数据集上的mAP
|
||
|
||
| 网络结构 | 输入尺寸 | 图片个数/GPU | 学习率策略 | Easy/Medium/Hard Set | 预测时延（SD855）| 模型大小(MB) | 下载 | 配置文件 |
|
||
|:------------:|:--------:|:----:|:-------:|:-------:|:---------:|:----------:|:---------:|:--------:|
|
||
| BlazeFace | 640 | 8 | 1000e | 0.885 / 0.855 / 0.731 | - | 0.472 |[下载链接](https://paddledet.bj.bcebos.com/models/blazeface_1000e.pdparams) | [配置文件](https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.0/configs/face_detection/blazeface_1000e.yml) |
|
||
|
||
**注意:**
|
||
- 我们使用多尺度评估策略得到`Easy/Medium/Hard Set`里的mAP。具体细节请参考[在WIDER-FACE数据集上评估](#在WIDER-FACE数据集上评估)。
|
||
|
||
## 快速开始
|
||
|
||
### 数据准备
|
||
我们使用[WIDER-FACE数据集](http://shuoyang1213.me/WIDERFACE/)进行训练和模型测试，官方网站提供了详细的数据介绍。
|
||
- WIDER-Face数据源:
|
||
使用如下目录结构加载`wider_face`类型的数据集：
|
||
|
||
```
|
||
dataset/wider_face/
|
||
├── wider_face_split
|
||
│ ├── wider_face_train_bbx_gt.txt
|
||
│ ├── wider_face_val_bbx_gt.txt
|
||
├── WIDER_train
|
||
│ ├── images
|
||
│ │ ├── 0--Parade
|
||
│ │ │ ├── 0_Parade_marchingband_1_100.jpg
|
||
│ │ │ ├── 0_Parade_marchingband_1_381.jpg
|
||
│ │ │ │ ...
|
||
│ │ ├── 10--People_Marching
|
||
│ │ │ ...
|
||
├── WIDER_val
|
||
│ ├── images
|
||
│ │ ├── 0--Parade
|
||
│ │ │ ├── 0_Parade_marchingband_1_1004.jpg
|
||
│ │ │ ├── 0_Parade_marchingband_1_1045.jpg
|
||
│ │ │ │ ...
|
||
│ │ ├── 10--People_Marching
|
||
│ │ │ ...
|
||
```
|
||
|
||
- 手动下载数据集：
|
||
要下载WIDER-FACE数据集，请运行以下命令：
|
||
```
|
||
cd dataset/wider_face && ./download_wider_face.sh
|
||
```
|
||
|
||
### 训练与评估
|
||
训练流程与评估流程方法与其他算法一致，请参考[GETTING_STARTED_cn.md](../../docs/tutorials/GETTING_STARTED_cn.md)。
|
||
**注意:** 人脸检测模型目前不支持边训练边评估。
|
||
|
||
#### 在WIDER-FACE数据集上评估
|
||
- 步骤一：评估并生成结果文件：
|
||
```shell
|
||
python -u tools/eval.py -c configs/face_detection/blazeface_1000e.yml \
|
||
-o weights=output/blazeface_1000e/model_final \
|
||
multi_scale=True
|
||
```
|
||
设置`multi_scale=True`进行多尺度评估，评估完成后，将在`output/pred`中生成txt格式的测试结果。
|
||
|
||
- 步骤二：下载官方评估脚本和Ground Truth文件：
|
||
```
|
||
wget http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/support/eval_script/eval_tools.zip
|
||
unzip eval_tools.zip && rm -f eval_tools.zip
|
||
```
|
||
|
||
- 步骤三：开始评估
|
||
|
||
方法一：python评估：
|
||
```
|
||
git clone https://github.com/wondervictor/WiderFace-Evaluation.git
|
||
cd WiderFace-Evaluation
|
||
# 编译
|
||
python3 setup.py build_ext --inplace
|
||
# 开始评估
|
||
python3 evaluation.py -p /path/to/PaddleDetection/output/pred -g /path/to/eval_tools/ground_truth
|
||
```
|
||
|
||
方法二：MatLab评估：
|
||
```
|
||
# 在`eval_tools/wider_eval.m`中修改保存结果路径和绘制曲线的名称：
|
||
pred_dir = './pred';
|
||
legend_name = 'Paddle-BlazeFace';
|
||
|
||
`wider_eval.m` 是评估模块的主要执行程序。运行命令如下：
|
||
matlab -nodesktop -nosplash -nojvm -r "run wider_eval.m;quit;"
|
||
```
|
||
|
||
|
||
## Citations
|
||
|
||
```
|
||
@article{bazarevsky2019blazeface,
|
||
title={BlazeFace: Sub-millisecond Neural Face Detection on Mobile GPUs},
|
||
author={Valentin Bazarevsky and Yury Kartynnik and Andrey Vakunov and Karthik Raveendran and Matthias Grundmann},
|
||
year={2019},
|
||
eprint={1907.05047},
|
||
archivePrefix={arXiv},
|
||
```
|