Face.md

Face

介绍CenterNet人脸检测项目如何使用。

1 安装环境

与CenterNet一致，参考INSTALL.md

2 数据准备

2.1 数据下载

• 下载 WIDERFACE数据集
• 下载RetinaFace提供的标注集，包含bounding boxes 和 five facial landmarks

2.2 数据处理

切换到src/tools/widerface/目录下，

• 修改get_widerface_landmark.py中行末位置的txt_path和save_path路径，分别用于训练和验证数据，然后运行。

• 修改keypoints2coco.py.py中行末位置的img_path、txt_path和save_path路径，分别用于训练和验证数据，然后运行。

2.3 数据目录

数据集最终形成如下的目录。

WiderFace
    |-- |-- WIDER_train
        |   |-- images
        |   |   |-- xxxxx.jpg
        |   |   |-- ...
        |   |-- keypoints_train.json
        |-- WIDER_val
        |   ...
        |-- WIDER_test
        |   ...

3 训练

opts选项按需要自己设置，运行类似如下命令

python main.py multi_pose --exp_id widerface --arch dla_34 --dataset face

4 评估

这里只评估了bbox, 未对landmark进行评估。

4.1 COCOAPI评估

python test.py multi_pose --exp_id widerface --arch dla_34 --dataset face --load_model ../exp/multi_pose/widerface/model_best.pth --keep_res

4.2 WIDERFACE TOOL评估

python eval_widerface.py multi_pose --exp_id widerface --arch dla_34 --dataset face --load_model ../exp/multi_pose/widerface/model_best.pth --keep_res

5 测试

python demo.py multi_pose --demo /path/to/image/or/folder/or/video/or/webcam --arch dla_34 --load_model ../models/xxx.pth