【人脸检测】 Tinaface复现（数据集准备、测试与评估）

转载自 https://blog.csdn.net/qq_35975447/article/details/110430390

 

【人脸检测】 Tinaface复现（数据集准备、测试与评估）

 

参考：

TinaFace: Strong but Simple Baseline for Face Detection

https://github.com/Media-Smart/vedadet

https://github.com/sovrasov/wider-face-pascal-voc-annotations

0.环境

1. ubuntu16.04

2. python3.6

3. cuda9.2

4. cudnn7

6. torch==1.6.0+cu92

8. addict==2.4.0

9. cycler==0.10.0

10. Cython==0.29.21

11. future==0.18.2

12. kiwisolver==1.3.1

13. matplotlib==3.3.3

14. numpy==1.19.4

15. Pillow==8.0.1

16. pycurl==7.43.0

17. pygobject==3.20.0

18. pyparsing==2.4.7

19. python-apt==1.1.0b1+ubuntu0.16.4.9

20. python-dateutil==2.8.1

21. six==1.15.0

22. unattended-upgrades==0.1

24. tqdm

25. scipy

26. ipython

1. cd vedadet

2. pip install -r requirements/build.txt

避免出错，我直接安装环境中对应的python库，然后注释掉对应的根目录下setup.py中的安装依赖包的两行。

改为： 

（默认会安装最新的，如果对应的cuda版本不支持的话，那就自己安装吧！！！）然后执行下面：

pip install -v -e .

1.准备

1.1 准备模型

https://drive.google.com/u/0/uc?id=1zU738coEVDBkLBUa4hvJUucL7dcSBT7v&export=download

可以将放到https://github.com/Media-Smart/vedadet/tree/main/configs/trainval/tinaface，目录下新建的models下。

1.2 准备数据

1）原始数据

https://github.com/Media-Smart/vedadet/tree/main/configs/trainval/tinaface

进入vedadet/目录下，新建data，然后进入data目录下，从widerface官网上下载训练、验证与测试数据：

 解压从官网下载的数据，目录应该是这样：

1. vedadet

2. ├── vedadet

3. ├── vedacore

4. ├── tools

5. ├── configs

6. ├── data

7. │ ├── WIDERFace

8. │ │ ├── WIDER_train

9. │ │ │ ├── images

10. │ │ │ │ ├── 0--Parade

11. │ │ │ │ ├── ......

12. │ │ │ │ ├── 61--Street_Battle

13. │ │ ├── WIDER_val

14. │ │ │ ├── images

15. │ │ │ │ ├── 0--Parade

16. │ │ │ │ ├── ......

17. │ │ │ │ ├── 61--Street_Battle

18. │ │ ├── WIDER_test

19. │ │ ├── wider_face_split

2）xml文件

下载对应的VOC格式的xml文件： 

1. git clone https://github.com/sovrasov/wider-face-pascal-voc-annotations.git

2. cd vedadet/data

3. mv wider-face-pascal-voc-annotations/ WIDERFace/

4. mv WIDERFace/WIDER_train_annotations WIDERFace/WIDER_train/Annotations

5. mv WIDERFace/WIDER_val_annotations WIDERFace/WIDER_val/Annotations

 然后利用命令：

1. cd ..

2. sh configs/trainval/tinaface/gen_xml_name_txt.sh

目录结构如下：

1. vedadet

2. ├── vedadet

3. ├── vedacore

4. ├── tools

5. ├── configs

6. ├── data

7. │ ├── WIDERFace

8. │ │ ├── WIDER_train

9. │ │ │ ├── images

10. │ │ │ │ ├── 0--Parade

11. │ │ │ │ ├── ......

12. │ │ │ │ ├── 61--Street_Battle

13. │ │ │ ├── Annotations

14. │ │ ├── WIDER_val

15. │ │ │ ├── images

16. │ │ │ │ ├── 0--Parade

17. │ │ │ │ ├── ......

18. │ │ │ │ ├── 61--Street_Battle

19. │ │ │ ├── Annotations

20. │ │ ├── WIDER_test

21. │ │ ├── wider_face_split

3）代码中路径等修改

由于与作者给出的目录略微有点不同，所以修改以下：

1. # \vedadet\configs\trainval\tinaface\tinaface.py line 14与38

2. img_prefix=data_root + 'WIDER_train/',

3. img_prefix=data_root + 'WIDER_val/',

4. 改为：

5. img_prefix=data_root + 'WIDER_train/images/',

6. img_prefix=data_root + 'WIDER_val/images/',

8. # \vedadet\vedadet\datasets\widerface.py line 36-37

9. xml_path = osp.join(self.img_prefix, 'Annotations',

10. f'{img_id}.xml')

11. 改为

12. xml_path = osp.join(self.img_prefix.replace('images','Annotations'),f'{img_id}.xml')

将/vedadet/vedadet/datasets/xml_style.py

其中 \vedadet\vedadet\datasets\xml_style.py 中对应的xml_path也要修改为相应的

1. xml_path = osp.join(self.img_prefix, 'Annotations',

2. f'{img_id}.xml')

3. 改为

4. xml_path = osp.join(self.img_prefix.replace('images','Annotations'),

5. f'{img_id}.xml'）

至此，基本就可以了。如果想修改数据的根目录：

1. # \vedadet\configs\trainval\tinaface\tinaface.py line 3 改为你对应的对应就可以了，绝对与相对路径都可以

2. data_root = './data/WIDERFace/'

2.测试与评估

2.1 测试

python configs/trainval/tinaface/test_widerface.py configs/trainval/tinaface/tinaface.py /root/vedadet/weights/tinaface_r50_fpn_widerface.pth

会在vedadet/eval_dirs/tmp/tinaface/目录下，生成对应的txt文件。

2.2 评估

还是用之前很多篇评估widerface的方式来评估一下。

将Pytorch_Retinaface/widerface_evaluate内的这几个文件与widerface_eval文件夹，复制到vedadet/tools目录下。

https://github.com/biubug6/Pytorch_Retinaface/tree/master/widerface_evaluate

https://github.com/ChiCheng123/SRN/tree/master/tools

 widerface_eval文件也可以在我的资源中下载：https://download.csdn.net/download/qq_35975447/14158058

命令加修改：

1. cd ./tools

2. python setup.py build_ext --inplace

4. vim evaluation.py

5. # line 287-288

6. parser.add_argument('-p', '--pred', default="${vedadet_root}/eval_dirs/tmp/tinaface/")

7. parser.add_argument('-g', '--gt', default='./widerface_eval/ground_truth/')

9. python evaluation.py

其中参数：

--pred是预测结果txt文件的保存路径，默认为：

 --gt是真实的，我们之前准备的。

2.3 评估结果 

评估结果还是比较准的，这个是没有加TTA的。

 参考

1.vedadet（官方代码）

2.tinaface（官方论文）

3.wider-face-pascal-voc-annotations（xml文件）

4.评估部分参考（SRN）

5.评估部分代码与gt