kellempxt/cv_resnet50_face-detection_retinaface

RetinaFace 人脸检测器

简介

RetinaFace 是一个实用的单阶段 SOTA 人脸检测器，最初在 arXiv 技术报告中提出，随后被 CVPR 2020接收。

数据

1. 从百度云或Google云盘下载我们的标注文件（人脸边界框和五个面部关键点）

2. 下载WIDERFACE数据集。

3. 在 insightface/RetinaFace/ 目录下按以下结构组织数据集：

data/retinaface/
  train/
    images/
    label.txt
  val/
    images/
    label.txt
  test/
    images/
    label.txt

安装

1. 安装支持 GPU 的 MXNet。
2. 如果使用基于 DCN 的骨干网络，请从 Deformable-ConvNets 安装可变形卷积 V2 算子。
3. 输入 make 构建 cxx 工具。

训练

请查看 train.py 进行训练。

1. 复制 rcnn/sample_config.py 到 rcnn/config.py

2. 下载 ImageNet 预训练模型并放入 model/ 目录（这些模型用于训练和参数初始化，而非检测测试/推理）。

   ImageNet ResNet50（百度云和Google云盘）。

   ImageNet ResNet152（百度云和Google云盘）。

3. 使用以下命令开始训练 CUDA_VISIBLE_DEVICES='0,1,2,3' python -u train.py --prefix ./model/retina --network resnet。
   训练前，您可以在 rcnn/config.py 中检查 resnet 网络配置（例如预训练模型路径、锚点设置和学习率策略等）。

4. 我们有两个预定义的网络设置：resnet（用于中型和大型模型）和 mnet（用于轻量级模型）。

测试

请查看 test.py 进行测试。

RetinaFace 预训练模型

预训练模型：RetinaFace-R50（百度云或Google云盘）是一个使用 ResNet50 骨干网络的中型模型。它可以在单次前向传播中输出人脸边界框和五个面部关键点。

WiderFace 验证集 mAP：Easy 96.5，Medium 95.6，Hard 90.4。

为避免与 WiderFace 挑战赛（ICCV 2019）冲突，我们推迟了最佳模型的发布时间。

第三方

yangfly: RetinaFace-MobileNet0.25（百度云:nzof）。WiderFace 验证集 mAP：Hard 82.5。（模型大小：1.68Mb）

clancylian: C++ 版本

RetinaFace modelscope 版本

参考文献

@inproceedings{Deng2020CVPR,
title = {RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild},
author = {Deng, Jiankang and Guo, Jia and Ververas, Evangelos and Kotsia, Irene and Zafeiriou, Stefanos},
booktitle = {CVPR},
year = {2020}
}