centerface_pytorch人脸检测算法模型

CenterFace

论文

CenterFace: Joint Face Detection and Alignment Using Face as Point

模型结构

CenterFace是一种人脸检测算法，采用了轻量级网络mobileNetV2作为主干网络，结合特征金字塔网络（FPN）实现anchor free的人脸检测。

算法原理

CenterFace模型是一种基于单阶段人脸检测算法，作者借鉴了CenterNet的思想，将人脸检测转换为标准点问题，根据人脸中心点来回归人脸框的大小和五个标志点。

环境配置

Docker（方法一）

-v 路径、docker_name和imageID根据实际情况修改

docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk-23.04-py38-latest

docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash

cd /your_code_path/centerface_pytorch/
pip3 install -r requirements.txt

Dockerfile（方法二）

-v 路径、docker_name和imageID根据实际情况修改

cd ./docker

cp ../requirements.txt requirements.txt

docker build --no-cache -t centerface:latest .

docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash

Anaconda（方法三）

1、关于本项目DCU显卡所需的特殊深度学习库可从光合开发者社区下载安装： https://developer.hpccube.com/tool/

DTK软件栈：dtk23.04
python：python3.8
torch：1.13.1
torchvision：0.14.1

Tips：以上dtk驱动、python、paddle等DCU相关工具版本需要严格一一对应

2、其他非特殊库直接按照requirements.txt安装

pip3 install -r requirements.txt

数据集

WIDER_FACE：WIDER FACE: A Face Detection Benchmark

下载图片红框中三个数据并解压，也可直接点击下面链接直接下载：

WIDER Face Training Images(Tencent Drive)

WIDER Face Validation Images(Tencent Drive)

WIDER Face Testing Images(Tencent Drive)

数据集全部解压后的目录结构如下：

├── wider_face:  存放数据集根目录
│   ├── WIDER_train: 训练集解压后的文件目录
│       └── images:
│           ├──  0--Parade:         对应该类别的所有图片
│           ├──  ........
│           └──  61--Street_Battle: 对应该类别的所有图片
│   ├── WIDER_val: 验证集解压后的文件目录
│       └──  images:
│           ├──  0--Parade:         对应该类别的所有图片
│           ├──  ........
│           └──  61--Street_Battle: 对应该类别的所有图片
│   ├── WIDER_test: 训练集解压后的文件目录
│       └──  images:
│           ├──  0--Parade:         对应该类别的所有图片
│           ├──  ........
│           └──  61--Street_Battle: 对应该类别的所有图片

解压完成后执行以下步骤：

1. 将训练图片放置于 ./datasets/images/train的目录下，验证数据放置于./datasets/images/val目录下，存放目录结如下

├── images
│   ├── train
│       ├── 0--Parade
│       ├──  ........
│       └──  61--Street_Battle
│   ├── val
│       ├── 0--Parade
│       ├──  ........
│       └──  61--Street_Battle

1. 如果是使用WIDER_train、WIDER_val数据, 可直接将./datasets/labels/下的train_wider_face.json重命名为train_face.json, val_wider_face.json重命名为val_face.json即可，无需进行标注文件格式转换； 反之，需要将训练图片/验证图片对应的人脸标注信息文件train.txt/val.txt，放置于 ./datasets/annotations/下（train存放训练图片的标注文件，val存放验证图片的标注文件），存放目录结构如下：

├── annotations
│   ├── train
│       ├── train.txt
│   ├── val
│       ├── val.txt

特别地，标注信息的格式为：

# img_file/image_name # #+空格+img_file/image_name
x, y, w, h, left_eye_x, left_eye_y, flag, right_eye_x, right_eye_y, flag, nose_x, nose_y, flag, left_mouth_x, left_mouth_y, flag, right_mouth_x, right_mouth_y, flag, confidence  # x和y是检测框左上角的坐标

举个例子： ./datasets/annotations/train/train.txt是wider_face训练数据集的标注信息

# 0--Parade/0_Parade_marchingband_1_849.jpg
449 330 122 149 488.906 373.643 0.0 542.089 376.442 0.0 515.031 412.83 0.0 485.174 425.893 0.0 538.357 431.491 0.0 0.82
...

1. 生成训练所需的json格式标注数据：

cd ./datasets
python gen_data.py

执行完成后会在./datasets/labels下生成训练数据的标注文件 train_face.json、val_face.json

训练

默认训练模型保存在./exp/下，如需修改为自己的路径，可以对centerface_pytorch/src/lib/opts_pose.py的284行进行修改

单机单卡

cd ./src
bash train.sh

单机多卡

cd ./src
bash train_multi.sh

推理

单卡推理

cd lib/external/
bash make.sh
cd ../../
python test_wider_face.py

result

精度

WIDER_FACE验证集上的测试结果如下

应用场景

算法类别

人脸识别

热点应用行业

教育,交通,公安,医疗

源码仓库及问题反馈

ModelZoo / CenterFace_pytorch · GitLab

参考资料

CenterFace是一种人脸检测算法,采用了轻量级网络mobileNetV2作为主干网络,结合特征金字塔网络(FPN)实现anchor free的人脸检测。