mmdet scrfd修改关键点个数训练

最新推荐文章于 2024-09-12 06:57:25 发布

devilmaycry47

最新推荐文章于 2024-09-12 06:57:25 发布

阅读量1.3k

点赞数 1

本文链接：https://blog.csdn.net/u012577149/article/details/118937794

版权

博客介绍了如何将最新的SCRFD人脸检测算法应用于现有项目，以替代两段式网络。作者详细记录了在代码中修改WiderFace数据集的5个关键点为4个关键点的过程，涉及到的数据集、转换函数和模型头的调整。通过这些修改，项目成功适配了SCRFD，并实现了更高效率和精度的人脸检测。

摘要由CSDN通过智能技术生成

SCRFD 是高效率高精度人脸检测算法，2021年5月刚发出来的，速度和精度相比其他算法都有提升，可以同时预测人脸框和关键点。

初始想法就是使用scrfd替换掉我在项目中正在使用的两段式网络，目前项目中基本上是使用yolo或者ssd先检测出对应的目标，然后将这个目标作为输入给另一个小型的网络预测关键点。

从scrfd的文章里的效果来看可以较好的替代现在的实现方式，但是在使用的过程中遇到了一个问题。原文使用的widerface数据集的标注关键点数量为5个，而项目中实际只有四个关键点。因此需要对代码进行修改，经过一段时间的努力已经找到了需要修改的部分，在这里记录一下。

本文所使用的版本如下

https://github.com/deepinsight/insightface

commit:42a241caec2ba137b1900aaaf18ee032a2ff5971

mmdet/datasets/retinaface.py

# line 31
self.NK = 5 改为
self.NK = 4

# line 52
kps = np.array( values[4:19], dtype=np.float32).reshape((self.NK,3)) 改为
kps = np.array( values[4:16], dtype=np.float32).reshape((self.NK,3))

mmdet/datasets/pipelines/transforms.py

# line 435 flip函数修改
assert keypointss.shape[1]==5 改为
assert keypointss.shape[1]==4

# line 441
flip_order = [1,0,2,4,3] 改为
flip_order = [1,0,3,2]

mmdet/models/dense_heads/scrfd_head.py

# line 122
self.NK = 5 改为
self.NK = 4

# line 335
kps_pred = kps_head.permute(2,3,0,1).reshape(-1,10) 改为
kps_pred = kps_head.permute(2,3,0,1).reshape(-1,8)