手把手教用自己的数据集训练一个MTCNN(Pytorch)

MTCNN项目地址:https://github.com/yeyupiaoling/Pytorch-MTCNN

目录

前言

一、MTCNN简介

二、准备自己的训练集

1.获取关键点数据集

2.开始训练

---

前言

        网上大多都没有训练的项目，都是直接有的模型。就算有，网上大多数都是用widerface等数据集来训练MTCNN，但是由于不同的应用场景，官方训练出来的模型应用到实际存在一定偏差，下面主要介绍如何依葫芦画瓢实现用自己的数据集训练模型，无需基础。

---

一、MTCNN简介

转载：人脸识别经典网络-MTCNN（含Python源码实现）_mtcnn代码_Moresweet猫甜的博客-CSDN博客

        这里就不做概述了，大概知道他由三层PRO-NET组成，各个层的作用即可。我们该章主要是直接上手实操，理论的东西少。

二、准备自己的训练集

根据上述github项目readme所述，下载官方数据集后，dataset目录下应该有lfw_5590, net_7876,WIDER_train以及对应的标签trainImageList.txt,testImageList.txt和wider_face_train.txt。只需仿造齐格式即可。下面主要介绍关键点部分数据集的增加，bbox数据集方法相同

1.获取关键点数据集

         最原始的方法，人工标注。但是如果你有效果很好的模型，可以直接检测，将检测结果作为数据集。这里我懒且没有好的模型，我直接调用阿里云的人脸检测以及五官走位的API，网址如下：能力展示-阿里云视觉智能开放平台，调用API得到的数据为一串JSON格式的字符串，需要对他做一定处理，来过滤得到你所需要的人脸检测框以及关键点坐标，最重要的，记得仿照原数据集格式将路径放在数据集的第一位。过滤应该还是蛮简单的，这里就不贴代码了。这样子我们就得到了关键点数据集的标签文件。格式如下，(path,x1,x2,y1,y2,landmarks(x,y)*5)。这里图方便，我直接将路径也改为lfw_5590，后续只需要将图片放在lfw_5590下，并将标签数据增加至trainImageLis t以及testImageList（虽然二者有出入，但是我放进去的数据标注是一样的，我不知道testImageList的作用是什么，先这么做吧，有懂的大哥可以教我一下）。

2.开始训练

经过上述得到数据集以及将数据集迁移后，可以直接根据官方教程产生数据集然后开始训练。

时间可能比较长，可以修改train_PNet中的batch_size来加快（只要你能够带的动）。

cd /train_PNet
python generate_PNet_data.py
python train_PNet.py 

3. 过程中可能遇到的bug

在train_PNet过程中，我出现了Image is None 的报错，原因是解码后Image为None，查阅过后，总结原因大概如下

1. 图片路径错误，检查一下你trainImageList中的路径和你图片存放的路径

2. 图片后缀（我是这个原因），我原本图片为png，全部修改为jpg问题就得到了解决。