Retinaface代码记录（一）(基于pytorch)

一、写在开头

这次的需求是：在Faceboxes的基础上，参照Retinaface加入了关键点信息。同时学习下Retinaface的代码和pytorch框架。
Retinaface论文地址
Retinaface代码地址
Faceboxes代码地址
主要以记录Retinaface为主，Faceboxes中需要参照前面修改的，会指出来。

二、主要内容

主要围绕其train.py脚本展开，从数据处理，默认框生成，网络结构，损失函数，几个方面记录。
数据处理：

1.在train.py中相关联的主要是下面几行：

dataset = WiderFaceDetection(training_dataset,preproc(img_dim, rgb_mean))

batch_iterator = iter(data.DataLoader(dataset, batch_size, shuffle=True, num_workers=num_workers, collate_fn=detection_collate))
 
images, targets = next(batch_iterator)

2.所涉及的脚本：

wider_face.py 

data_augment.py

默认框生成：

1.在train.py中相关联的主要是下面几行：

priorbox = PriorBox(cfg, image_size=(img_dim, img_dim))
with torch.no_grad():
    priors = priorbox.forward()
    priors = priors.cuda()
    
2.涉及的脚本

prior_box.py

网络结构：

1.在train.py中相关联的主要是下面几行：

net = RetinaFace(cfg=cfg)

out = net(images)


2.涉及的脚本

net.py

retinaface.py

损失函数：

1.在train.py中相关联的主要是下面几行：

criterion = MultiBoxLoss(num_classes, 0.35, True, 0, True, 7, 0.35, False)

loss_l, loss_c, loss_landm = criterion(out, priors, targets)

2.涉及的脚本

multibox_loss.py

box_utils.py

三、后续

具体上述内容，将分块进行记录。链接如下：
数据处理
默认框生成
网络结构
损失函数