目标检测 YOLO v3 训练 人脸检测模型

YOLO，是You Only Look Once的缩写，一种基于深度卷积神经网络的物体检测算法，YOLO v3是YOLO的第3个版本，检测算法更快更准。

本文源码：https://github.com/SpikeKing/keras-yolo3-detection

欢迎Follow我的GitHub：https://github.com/SpikeKing

YOLO v3已经提供 COCO（Common Objects in Context）数据集的模型参数。我们可以把COCO的模型参数作为预训练参数，再结合已有的数据集，创建自己的检测算法。

本例使用WIDER FACE人脸数据，训练一个高精度的人脸检测模型。

WIDER

数据集：WIDER Face

建立时间：2015-11-19

WIDER FACE 数据集是一个人脸检测基准（benchmark）数据集，图片选取自 WIDER（Web Image Dataset for Event Recognition） 数据集。图片数 32,203 张，人脸数 393,703 个，在大小（scale）、位置（pose）、遮挡（occlusion）等不同形式中，人脸是高度变换的。WIDER FACE 数据集是基于61个事件类别，每个事件类别，随机选取训练40%、验证10%、测试50%。训练和测试含有边框（bounding box）真值（ground truth），而验证不含。

数据集在官网可以公开下载，其中在Face annotations 中，wider_face_train_bbx_gt.txt是边框真值，数据格式如下：

0--Parade/0_Parade_marchingband_1_849.jpg
1
449 330 122 149 0 0 0 0 0 0 

数据说明：

• 第1行：图片的位置和名称；
• 第2行：边框的数量；
• 第3~n行：每个人脸的边框和属性：
  
  • 其中1~4位是x1, y1, w, h
  • blur：模糊，0清晰、1一般、2严重；
  • expression：表情，0正常、1夸张；
  • illumination：曝光，0正常、1极度；
  • occlusion：遮挡，0无、1部分、2大量；
  • pose：姿势，0正常，1非典型；

wider_face_val_bbx_gt.txt与此类似。

图片数据的清晰度一般，大小不一，尺寸为1024x，宽度相同。

数据转换

为了符合训练要求，需要转换wider数据集中的边框格式，为训练要求的边框格式。

即文件路径，边框xmin,ymin,xmax,ymax,label：

data/WIDER_val/images/10--People_Marching/10_People_Marching_People_Marching_2_433.jpg 614,346,771,568,0 245,382,392,570,0