Peppa_Pig_Face_Landmark 项目使用教程

Peppa_Pig_Face_Landmark 项目使用教程

Peppa_Pig_Face_Landmark 项目地址: https://gitcode.com/gh_mirrors/pe/Peppa_Pig_Face_Landmark

1. 项目的目录结构及介绍

Peppa_Pig_Face_Landmark/
├── TRAIN/
│   └── face_landmark/
│       ├── README.md
│       └── ...
├── figure/
├── .gitignore
├── CITATION.cff
├── LICENSE
├── README.md
├── demo.py
├── requirements.txt
└── setup.py

• TRAIN/: 包含训练相关代码的文件夹，其中 face_landmark 子文件夹包含了训练模型的代码和相关文档。
• figure/: 存放项目中使用的图片或图表的文件夹。
• .gitignore: Git 忽略文件，用于指定不需要版本控制的文件或文件夹。
• CITATION.cff: 项目引用文件，用于学术引用。
• LICENSE: 项目的开源许可证文件，本项目使用 Apache-2.0 许可证。
• README.md: 项目的介绍文档，包含项目的基本信息和使用说明。
• demo.py: 项目的启动文件，用于演示和测试人脸检测和关键点定位功能。
• requirements.txt: 项目的依赖文件，列出了项目运行所需的 Python 包。
• setup.py: 项目的安装脚本，用于安装项目所需的依赖和配置。

2. 项目的启动文件介绍

demo.py

demo.py 是项目的启动文件，用于演示和测试人脸检测和关键点定位功能。以下是该文件的主要功能和使用方法：

• 功能:

  • 从摄像头、视频文件或图片目录中检测人脸并定位关键点。
  • 支持单张图片、视频流和多张图片的批量处理。

• 使用方法:

  • 使用摄像头进行实时检测：

    python demo.py --cam_id 0
    

  • 检测视频文件中的人脸：

    python demo.py --video test.mp4
    

  • 检测指定目录下的所有图片：

    python demo.py --img_dir /path/to/images
    

3. 项目的配置文件介绍

requirements.txt

requirements.txt 文件列出了项目运行所需的 Python 包及其版本。以下是该文件的内容示例：

PyTorch==1.9.0
onnxruntime==1.8.0
opencv-python==4.5.3.56

• PyTorch: 用于深度学习模型的训练和推理。
• onnxruntime: 用于加速模型的推理过程。
• opencv-python: 用于图像处理和显示。

setup.py

setup.py 是项目的安装脚本，用于安装项目所需的依赖和配置。以下是该文件的主要内容：

from setuptools import setup, find_packages

setup(
    name='Peppa_Pig_Face_Landmark',
    version='1.0',
    packages=find_packages(),
    install_requires=[
        'PyTorch==1.9.0',
        'onnxruntime==1.8.0',
        'opencv-python==4.5.3.56'
    ],
    entry_points={
        'console_scripts': [
            'peppa_face_landmark=demo:main',
        ],
    },
)

• name: 项目的名称。
• version: 项目的版本号。
• packages: 需要安装的 Python 包。
• install_requires: 项目运行所需的依赖包。
• entry_points: 定义了项目的命令行入口，可以通过 peppa_face_landmark 命令启动项目。

通过以上配置文件和启动文件，用户可以方便地安装和使用 Peppa_Pig_Face_Landmark 项目进行人脸检测和关键点定位。

Peppa_Pig_Face_Landmark 项目地址: https://gitcode.com/gh_mirrors/pe/Peppa_Pig_Face_Landmark