RetinaFace笔记

最新推荐文章于 2021-06-15 09:03:44 发布
最新推荐文章于 2021-06-15 09:03:44 发布
阅读量2.5k 收藏
点赞数
分类专栏： 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/106002908
版权

 

Insight Face在2019年提出的最新人脸检测模型，原模型使用了deformable convolution和dense regression loss， 在 WiderFace 数据集上达到SOTA。截止2019年8月，原始模型尚未全部开源，目前开源的简化版是基于传统物体检测网络RetinaNet的改进版，添加了SSH网络的检测模块，提升检测精度，作者提供了三种基础网络，基于ResNet的ResNet50和ResNet152版本能提供更好的精度，以及基于mobilenet（0.25）的轻量版本mnet，检测速度更快。
 

比较突出的工作是加入了 extra-supervised 和 self-supervised ；

AI算法网奇
关注
专栏目录
RK3568笔记二十五：RetinaFace人脸检测训练部署
05-20 1628
Retinaface是来自insightFace的又一力作，基于one-stage的人脸检测网络。RetinaFace是在RetinaNet基础上引申出来的人脸检测框架，所以大致结构和RetinaNet非常像。官方提供两种主干特征提取网络：MobilenetV1-0.25和Resnet，本文以MobilenetV1-0.25为模型部署训练。目前 RetinaFace 可称得上是目前最强的开源人脸检测算法。
retinaface训练笔记
jacke121的专栏
03-26 2145
注意：73上map连续几天一直低，因为负样本loss由0.01改为了0.02 网络的瓶颈：先预测分类，然后在分类正确的做回归，wh的回归98%，但是xy的回归只有70多， 所以瓶颈在xy的回归上。 如果是因为anchors的原因，导致map下降，但是实际情况是分类还是比较准的，是xy的回归不对,而且是正样本的xy回归不对，召回率低。 代办问题： 2020.01.20 72上，把xy和w...
pytorch实现人脸识别包括人脸检测（opencv、dlib、CNN三种方法融合）人脸对齐和vgg-face人脸特征提取
04-02
博客地址：https://blog.csdn.net/wen_fei/article/details/80261047 人脸识别源代码，包括使用opencv、dlib和cnn实现的人脸检测、opencv实现的人脸对齐以及vgg-face的人脸特征提取等，最后余弦函数计算相似度，并提供flask部署代码，可以放在服务器上远程调用
pytorch----retinaface(训练)
qq_42242829的博客
04-08 2130
pytorch----retinaface(训练) train.py from __future__ import print_function import os import torch import torch.optim as optim import torch.backends.cudnn as cudnn import argparse import torch.utils.data...
retinaface人脸对齐
xiakj的专栏
12-14 1444
在搭建人脸识别工程的时候，人脸对齐部分参考ncnn_example中的align模块，如果有用到的，可以在作者主页上加星。 这里把代码也贴出来： //aligner.cpp #include "aligner.h" #include <iostream> #include "opencv2/core.hpp" #include "opencv2/imgproc.hpp" c...
retina face 学习总结
CloudCver
04-28 967
想到人脸检测就会想到几个关键的问题： a）人脸检测多尺度问题（大家会用图像金字塔、特征金字塔等） b） RetinaFace 人脸检测代码（std） 网络结构如下图所示，主要包括四个部分，：（1）backbone（2）特征金字塔（3）上下文结构（4）损失函数 0.1 代码部分定义如下， 第一部分：body需要在backbone上做一定改动，对参数中的return_layers做改动，将需要...
retinaface代码讲解_RetinaFace论文阅读笔记，简要总结
weixin_39714015的博客
12-20 420
RetinaFace: Single-stageDenseFaceLocalisationintheWildretinaface是一个鲁棒性较强的单阶段人脸检测器，比较突出的工作是加入了extra-supervised 和 self-supervised ；大部分人脸检测重点关注人脸分类和人脸框定位这两部分，retinaface加入了face landmark 回归(five facial la...
ncnn笔记：03)在Andriod上从零开始搭建人脸检测模型retinaface
Javis486的专栏
10-16 3105
准备预训练模型文件 ncnn官方提供的retinaface的权重及参数文件为 mnet.25-opt.bin mnet.25-opt.param 下载地址：https://github.com/nihui/ncnn-assets/tree/master/models，但笔者使用该权重在ubuntu上测试ncnn/build/examples会出现如下错误 javis@javis-HP-280-Pro-G2-MT:~/soft/ncnn/build/examples$ ./retinaface /tmp
retinaface 训练笔记
jacke121的专栏
10-23 3697
https://github.com/jacke121/Pytorch_Retinaface 备注：网络预测的结果是cxcyw h decode后：变成了x1 y1 x2 y2 2019.12.25 1.怎么判断是正样本： 0.35以下是负样本 criterion = MultiBoxLoss(num_classes, 0.35, True, 0, True, 7, 0.3...
人脸预处理：人脸检测+人脸对齐
Malidong的博客
12-16 8424
1 简介 对于人脸识别任务，人脸预处理至关重要。首先我们需要检测出图像中的人脸，然后通过人脸相似性变换得到对齐后的标准人脸。然后在对其进行人脸识别。 因为如果没有人脸对齐这一步操作，或者训练的对齐方式与验证的对齐方式不同，这将导致很大的性能差距。 目前科研人员基本都用一致的对齐方法，就是MTCNN检测五个人脸关键点，然后使用相似性变换得到对齐后的人脸，大小为112×112。 博主找了好几种方法，结果效果都不一致，最后参考insightface的方法，达到了一致的效果。 2 具体方法 2.1 下载insi
人脸对齐算法笔记
jacke121的专栏
08-31 3379
torch: https://github.com/cleardusk/3DDFA 2018年的： https://github.com/goodluckcwl/Face-alignment-mobilenet-v2 resnet和mobilenetv2 mobilenetv2 15ms，但是有不准确的。 https://github.com/610265158/face_lan...
睿智的目标检测43——TF2搭建Retinaface人脸检测与关键点定位平台（tensorflow2）
Bubbliiiing的学习小课堂
09-16 6252
睿智的目标检测38——TF2搭建Retinaface人脸检测与关键点定位平台（tensorflow2）学习前言什么是Retinaface人脸检测算法源码下载Retinaface实现思路一、预测部分1、主干网络介绍2、FPN特征金字塔3、SSH进一步加强特征提取4、从特征获取预测结果5、预测结果的解码6、在原图上进行绘制二、训练部分1、真实框的处理2、利用处理完的真实框与对应图片的预测结果计算loss训练自己的Retinaface模型 学习前言 一起来看看Retinaface的tf2实现吧。 什么是Reti
通俗易懂的人脸目标检测 Tf2+keras Retinaface
BlackValley的博客
06-15 236
通俗易懂的人脸目标检测 Tf2+keras Retinaface背景结果代码环境 背景 因网上某些博客的代码无法使用 以及过于冗余，甚至以冗余为自豪，导致代码阅读费劲，耽误浪费时间，特此重写代码并讲述实验过程，代码量精简。 结果 先看结果： 从图中可以看出，loss整体下降，但最后OOM溢出了，还好有Checkpoint保存了一版20epoch的模型权重。。 代码环境 Tf2.1.0+py3.7+keras2.3.1 GeForce RTX 2060 computeCapability: 7.5 显存6G
【技术文档】RetinaFace
认真写的博客
12-18 1819
RetinaFace模型原本是作者用于检测人脸，但我将其用于行人检测。我只是简单的将其anchor的宽高比例由原来的1:1，变为现在1:2.25，只有这一种比例，只是在FPN每个位置会有两个不同大小的，该比例的anchor。模型的特点就是比较小（4M）。 config cfg_mnet = { 'name': 'mobilenet0.25', 'min_sizes': [[16, ...
从零开始学人脸检测之Retinaface篇（内含魔改版GhostNet+mbv2）
chenxiangrong的博客
06-13 9169
前言 Retinaface是Insightface团队在2019年提出的新人脸检测模型，该模型在 WiderFace 数据集上刷新了AP。源代码开源于insightface，原模型使用mxnet框架进行搭建，目前社区也有其他框架复现的版本，最让人熟知的莫过于pytorch版的retinaface。Retinaface是基于检测网络RetinaNet的改进版（没错，和centerface基于centernet类似），添加了SSH网络的三层级联检测模块，提升检测精度。作者提供了两种网络的复现版本（mobilen
人脸检测——RetinaFace
热门推荐
怡宝2号
05-16 2万+
RetinaFace: Single-stage Dense Face Localisation in the Wild 作者： 帝国理工，伦敦米德尔塞克斯大学，InsightFace paper： https://arxiv.org/pdf/1905.00641.pdf github： https://github.com/deepinsight/insightface/tree/master/...
RetinaFace: Single-stage Dense Face Localisation in the Wild
TJMtaotao的博客，高校计算机教师
02-23 929
Abstract 尽管在不受控制的人脸检测方面已经取得了巨大的进步，但准确有效的野外人脸定位仍然是一个公开的挑战。提出了一种鲁棒的单级人脸检测算法RetinaFace，该算法利用多任务联合额外监督学习和自监督学习的优点，对不同尺度的人脸进行像素级定位。具体来说，我们在以下五个方面做出了贡献：（1）我们在更宽的人脸数据集上手动标注了五个面部标志点，并在这个额外的监督信号的帮助下观察到硬脸检测的显著...
RetinaFace论文解析
wzjwj的博客
07-02 1万+
论文地址：https://arxiv.org/pdf/1905.00641.pdf 源码地址（MXNet实现）：https://github.com/deepinsight/insightface/tree/master/RetinaFace 基于caffe-c++的实现：https://github.com/wzj5133329/retinaface_caffe 1.介绍 RetinaF...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值