【人脸检测】复现Pytorch_Retinaface(Pytorch版本)

最新推荐文章于 2024-03-23 09:42:30 发布
最新推荐文章于 2024-03-23 09:42:30 发布
阅读量3.2k 收藏 21
点赞数 1
分类专栏： 人脸算法 目标检测 文章标签： RetinaFace pytorch
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/qq_35975447/article/details/109447929
版权

https://github.com/biubug6/Pytorch_Retinaface

训练这个模型很耗GPU，mobilenet0.25还好（训练8G以内，测试1G以内），resnet50至少要43G。

0.环境

ubuntu16.04
python3.6
cuda9.0
torch==1.1.0
ipython

1.准备数据与模型

（1）准备数据

原始数据：train+val+test http://shuoyang1213.me/WIDERFACE/WiderFace_Results.html

标签数据：https://pan.baidu.com/s/1Laby0EctfuJGgGMgRRgykA

按照官方给的格式放：

./data/widerface/
    train/
      images/
      label.txt
    val/
      images/
      label.txt
    test/
      images/
      label.txt

由于val只有label.txt，所以我们要自己转一下（

了解本专栏 订阅专栏 解锁全文 超级会员免费看
wait a minutes
关注
  • 1
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 30
    评论
专栏目录
订阅专栏
用Retinaface_pytorch项目检测人脸+ Python 3 剪切人脸图片并保存
weixin_45654744的博客
04-13 3562
概述 因为我的项目中缺一不可的一部分是提取人脸特征，因为以前并没有接触过人脸的项目，所以想把自己每次的一点点进步和学习都记录下来，这次是记录我学习切割人脸图片并保存，以及将人脸检测框和五个特征点坐标信息保存在.txt文件中。 这篇文档的方法要稍微复杂一点点，我结合Retinaface_pytorch项目中的detect.py（检测单张图片）来检测人脸，并通过以下方法成功的剪切出人脸，并保存特征点信...
RetinaFace完整安装历程 windows10+CPU版本
酸甜梅子的部落格
05-10 2763
1.github官网拉下来 链接 下载完成后，在cmd用python编译（用于在python上import mxnet） cd python (切换到mxnet里的python文件夹) python setup.py install 2.anaconda安装 mxnet包 （1）在environmnet中搜索mxnet，查找范围设定为all （2）选中mxnet包，点击Ap...
RetinaFace_Pytorch:用Pytorch重新实现RetinaFace
05-04
RetinaFace_Pytorch 用Pytorch重新实现RetinaFace 安装 克隆和安装要求 $ git clone https://github.com/supernotman/RetinaFace_Pytorch.git $ cd RetinaFace_Pytorch/ $ sudo pip install -r requirements.txt 需要Pytorch版本1.1.0+和Torchvision 0.3.0+。 数据 下载Wideface数据集 从或下载注释（人脸边界框和五个人脸地标） 如下组织数据集目录： widerface/ train/ images/ label.txt val/ images/ label.txt test/ images/ label
基于pytorch复现Retinaface论文人脸检测与关键点定位算法
苏春雨的技术博客
11-24 1261
Retinaface是来自insightFace的又一力作，基于one-stage的人脸检测网络。同时开源了代码与数据集，在widerface上有非常好的表现。Retinaface在实际训练的时候使用两种网络作为主干特征提取网络。分别是MobilenetV1-0.25和Resnet。使用Resnet可以实现更高的精度，使用MobilenetV1-0.25可以在CPU上实现实时检测。本文以MobilenetV1-0.25进行展示。
探索PyTorch_Retinaface：一种高效的人脸检测框架
最新发布
gitblog_00080的博客
03-23 234
探索PyTorch_Retinaface：一种高效的人脸检测框架 项目地址:https://gitcode.com/biubug6/Pytorch_Retinaface 在计算机视觉领域中，人脸识别是一个关键且广泛应用的技术。PyTorch_Retinaface 是一个基于 PyTorch 的深度学习模型，专门用于实现高精度和实时人脸检测。本文将深入探讨其技术原理、应用场景和独特优势，以鼓励更多的...
【 facenet-retinaface】快速复现 实现 facenet-retinaface-pytorch 人脸识别 windows上 使用cpu实现
WhiffeYF的博客
11-30 2757
快速复现 实现 facenet-retinaface-pytorch 人脸识别 windows上 使用cpu实现
Pytorch_Retinaface:使用mobilenet0.25，Retinaface在宽面硬值中获得80.99％
05-08
PyTorch中的RetinaFace 实现：。 当Retinaface使用mobilenet0.25作为骨干网时，模型大小仅为1.7M。 我们还提供resnet50作为骨干网以获得更好的结果。 Mxnet中的官方代码可以在找到。 移动或边缘设备部署 从python培训到C ++推理，我们还在为边缘设备提供了一套面部检测器。 使用Resnet50作为骨干网时，单规模的WiderFaceVal性能。 风格 简单的 中等的 难的 Pytorch（与Mxnet相同的参数） 94.82％ 93.84％ 89.60％ pytorch（原始图像比例） 95.48％ 94.04％ 84.43％ 网际网路 94.86％ 93.87％ 88.33％ Mxnet（原始图像比例） 94.97％ 93.89％ 82.27％ 使用Mobilenet0.25作为骨干网时，单规模的Wi
Pytorch_Retinaface-master-2021.8.23.zip
08-23
Retinaface人脸检测最新code
RetinaFace在win10+CPU版mxnet+python36下配置运行
sinat_28704977的博客
08-09 3426
采坑经历简介代码clone，CPU版mxnet安装采坑经历问题解决 简介 从原insightface上clone下来的RetinaFace在win10平台上（python3.6）运行，想要只使用mxnet的CPU版，遇到一些问题，这里记录下来供有需求的同学一起讨论。 代码clone，CPU版mxnet安装 代码网址：RetinaFace，目标是安装相关依赖，跑通test.py测试文件。 安装CPU...
pytorch版本RetinaFace人脸检测模型推理加速
胖胖大海的博客
02-18 4362
本文介绍的方法是提升pytorch版本RetinaFace代码在数据预处理阶段的速度，使用纯pytorch框架进行模型推理，并不涉及模型的onnx、tensorrt部署等方法。本文介绍的方法适用于从磁盘加载分辨率相同的一批图像使用RetinaFace进行人脸检测，能够带来30%的性能提升。关于pytorch_retinaface使用tensorrt部署请参考https://github.com/wang-xinyu/tensorrtx/tree/master/retinaface。 先上优化前后...
retinaface-pytorch:PyTorch中带有MobileNet后端的RetinaFace推理代码
03-10
PyTorch中带有MobileNet后端的RetinaFace推理代码 步骤1： cd cython python setup.py build_ext --inplace 第2步： python inference.py 评估（宽屏）： Easy Val AP：0.8872715908531869 中值AP：0.8663337842229522 硬值AP：0.771796729363941 试验结果： 参考： @inproceedings {deng2019retinaface，标题= {RetinaFace：野外单阶段密集脸定位}，作者= {Deng，Jiankang和Guo，Jia和Yuxiang，Zhou和Jinke Yu和Irene Kotsia和Zafeiriou，Stefanos}，书名= { arxiv}，年份= {2019}}
python实现的Iou与Giou代码
09-18
今天小编就为大家分享一篇python实现的Iou与Giou代码，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
face-makeup.PyTorch使用脸部解析贴图的嘴唇和头发颜色编辑器
11-28
使用PyTorch 1.0和python 3.x 演示版 更改头发和嘴唇的颜色： pythonmakeup.py --img-path imgs / 116.jpg 尝试使用其他颜色： 更改makeup.py中的颜色列表（第83行） 颜色= [[230，50，20]，[20，70，180]，[20，70，180]] 火车面部解析模型（可选） 按照此回购zllrunning / face-parsing.PyTorch
Pytorch_Retinaface-master-20210813.zip
08-13
最新的人脸检测python代码
pytorch-retinanet-master_RetinaNet_pytorch_pytorchcnn_python_源码
10-04
基于python与pytorch的目标检测算法RetinaNet，可以训练自己的数据集
SphereFace-pytorch-master_SphereFace_人脸识别_pytorch_wet3bk_victory
10-02
SphereFace的pytorch版本代码实现，可用于人脸识别项目的开发
MATLAB图像分类代码百度云-Pytorch_Retinaface_To_Caffe:在[Pytorch_Retinaface](https
06-02
MATLAB 图像分类代码百度云更新： 2020-03-28 将 mobilenet0.25_Final.pth 转换为 caffemodel 测试 编译 将PATH_of_YOUR_CAFFE_PYTHON和../添加到 toCaffe/detect.py 中的 PYTHONPATH： from ...nee
RetinaFace-Pytorch源码阅读
梦坠凡尘
05-27 3231
论文：https://arxiv.org/pdf/1905.00641.pdf 代码：https://github.com/deepinsight/insightface/tree/master/RetinaFace Pytorch复现：https://github.com/biubug6/Pytorch_Retinaface Pytorch真香~本文解读代码基于Pytorch复现版。关于RetinaFace理论知识请参考：RetinaFace论文解读 先回顾RetinaFace的结构，如下： 以上，Re
retinaface代码讲解_Pytorch-RetinaFace 详解
06-09
好的，关于 Pytorch-RetinaFace 的代码讲解，我可以给您提供以下信息： 1. RetinaFace 模型介绍 RetinaFace 是一个用于人脸检测和人脸识别的深度学习模型，其核心思想是在多个尺度下进行特征提取，并利用类似于 Anchor 的方式进行边框预测。RetinaFace 模型的核心网络结构为 ResNet-50，通过 ResNet-50 提取特征，再分别在不同的特征图上进行预测，从而提高检测的准确率和速度。 2. Pytorch-RetinaFace 代码结构 Pytorch-RetinaFace 的代码结构主要包含以下几个文件： - data/ 目录：包含了数据集相关的代码和数据集文件； - models/ 目录：包含了 RetinaFace 模型的代码和模型文件； - layers/ 目录：包含了 RetinaFace 模型中用到的自定义层代码； - utils/ 目录：包含了一些工具类和函数； - train.py：训练脚本； - test.py：测试脚本； - demo.py：演示脚本。 3. RetinaFace 模型训练 RetinaFace 模型的训练主要包含以下几个步骤： - 数据集准备：将数据集按照指定格式进行划分和预处理； - 模型构建：使用 Pytorch 搭建 RetinaFace 模型，并定义损失函数和优化器； - 模型训练：使用训练集对模型进行训练，并在验证集上进行验证和调参； - 模型保存：将训练好的模型保存到指定的路径。 4. RetinaFace 模型测试 RetinaFace 模型的测试主要包含以下几个步骤： - 加载模型：使用 Pytorch 加载训练好的模型； - 图像预处理：将待检测的图像进行预处理，包括大小调整和归一化等； - 特征提取：使用 ResNet-50 提取图像的特征； - 预测边框：在不同的特征图上进行边框预测，并进行 NMS 处理； - 绘制结果：将预测出的边框和置信度绘制在原图上。 以上就是关于 Pytorch-RetinaFace 代码的讲解，希望能够对您有所帮助。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 30
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

wait a minutes

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