yolo3训练人脸检测模型

 

YOLOv3-model-pruning

用 YOLOv3 模型在一个开源的人手检测数据集 oxford hand 上做人手检测，并在此基础上做模型剪枝。对于该数据集，对 YOLOv3 进行 channel pruning 之后，模型的参数量、模型大小减少 80% ，FLOPs 降低 70%，前向推断的速度可以达到原来的 200%，同时可以保持 mAP 基本不变（这个效果只是针对该数据集的，不一定能保证在其他数据集上也有同样的效果）。

环境

Python3.6, Pytorch 1.0及以上

YOLOv3 的实现参考了 eriklindernoren 的 PyTorch-YOLOv3 ，因此代码的依赖环境也可以参考其 repo

数据集准备

1. 下载widerface数据集，得到压缩文件（提取码: ymx2）
2. 将压缩文件解压到 Dataset

3. 执行 widerface_label.py，生成 images、labels 文件夹和 train.txt、valid.txt 文件

 

剪枝算法介绍

本代码基于论文 Learning Efficient Convolutional Networks Through Network Slimming (ICCV 2017) 进行改进实现的 channel pruning算法，类似的代码实现还有这个 yolov3-network-slimming。原始论文中的算法是针对分类模型的，基于 BN 层的 gamma 系数进行剪枝的。

**注意**

1.训练自己的数据集时，widerface.data和widerfaces.names需要最后留一空行（换行）
而train.txt valid.txt最后一行必须是非空行（换行），否则出现IndexError: list index out of range
yolov3-face.cfg可以由 creat_custom_model.sh生成

2.正常训练（Baseline）
python3 train.py --model_def config/yolov3-face.cfg  -lr 0.004 --data_config config/widerface.data
3.稀疏化训练
python3 train.py --model_def config/yolov3-face.cfg -sr --s 0.01 --data_config config/widerface.data

 

 

#1. 正常训练（Baseline）
python3 train.py --model_def config/yolov3-hand.cfg
# 2.以下只是剪枝算法的大概步骤，具体实现过程中还要做 s 参数的尝试或者需要进行迭代式剪枝等。

# 2.1 进行稀疏化训练

python3 train.py --model_def config/yolov3-hand.cfg -sr --s 0.01

# 2.2 基于 test_prune.py 文件进行剪枝，得到剪枝后的模型
python3 test_prune.py

# 2.3 对剪枝后的模型进行微调

python3 train.py --model_def config/prune_yolov3-hand.cfg -pre checkpoints/prune_yolov3_ckpt.pth


# 3.测试
#python3 test.py --model_def config/prune_yolov3-hand.cfg --weights_path weights/prune_yolov3_ckpt.pth --data_config config/oxfordhand.data --class_path data/oxfordhand.names --conf_thres 0.01

python3 test.py --model_def config/prune_0.85_yolov3-hand.cfg --weights_path checkpoints/yolov3_ckpt_99_08211153.pth --data_config config/oxfordhand.data --class_path data/oxfordhand.names --conf_thres 0.01

#==================**************************================================
#==================**************************================================
# 基于wider face数据集进行yolov3剪枝训练步骤
1.执行 widerface_label.py，生成 images、labels 文件夹和 train.txt、valid.txt 文件
**注意**
训练自己的数据集时，widerface.data和widerfaces.names需要最后留一空行（换行）
而train.txt valid.txt最后一行必须是非空行（换行），否则出现IndexError: list in