caffe人脸检测

基于python和alexnet模型实现的人脸检测

转：https://blog.csdn.net/aiwodaqinshi/article/details/81366588
系统环境：ubuntu16.04 内核：4.15.0-29-generic

---

首先要配置好caffe的环境，caffe环境的搭建就不在这里说了
下面开始进入正题：正式实现人脸检测功能
接下来所需要的所有文件及脚本： https://download.csdn.net/download/aiwodaqinshi/10580383
注：由于上传文件大小被限制了，图片就不上传了，想要详细按照流程进行一遍此实验的需要自己准备图片数据源，
如果只是想达到最终人脸检测的效果，模型和调用author.py脚本我已经上传只需要适当修改路径即可。

1 创建工程目录

1.创建一个目录face_detect，用来存储此次工程项目，最好创建在当前用户的家目录下
2.在face_detect目录创建一个train目录和一个val目录，分别用来保存训练的图片和测试的图片。
3.train目录下新建一个0目录和1目录，分别存放人脸图片和非人脸图片
讲过上面的操作，现在目录结构应该是下面这样。

2 制作LMDB数据源

4.给样本打标签
本次试验中人脸的数据标签为0，非人脸的数据标签为1，然后再face_detect目录下创建一个train.txt文件，用来存储标签，一会制作LMDB模型时会用到。train.txt 文件的格式为：
1/xxx1.jpg 1
0/xxx.0jpg 0
其中xxx0为非人脸图片的文件名，xxx1为人脸图片的文件名
接着再新建一个val.txt文件格式同上
注：train.txt文件val.txt文件会上传，图片太大了超过了限制就不上传了。
5.制作LMDB数据源
通过提前写好的 face-lmdb.sh脚本(脚本也会上传)放到工程目录face_detect下，只需要将脚本中内容适当修改即可制作好数据源。
需要修改的内容有：
注：face-lmdb.sh脚本也会上传

• 第五行：路径改为当前工程目录的绝对路径，就是/home/yourname/face_detect
• 第六行：路径改为当前工程目录的绝对路径,同上
• 第七行：caffe安装的工具的文件下,例如我的是 /home/zzy/caffe/build/tools
• 第九行：改为工程目录中中train目录的绝对路径
• 第十行：改为工程目录中val目录的绝对路径
  此处修改看着不太懂可以参考我的脚本文件进行修改。
  修改完后，保存，执行此脚本即可生成LMDB数据源，此过程时间较长，这是在face_detect下会生成如下两个目录。
  

3 训练模型

6.将一开始准备好的网络模型文件（train.prototxt）及超参数文件（solver.prototxt）放到face_detect目录中，
然后执行train.sh脚本即可对模型进行训练，
train.sh需要改的地方就是路径问题，这里就不多说了。
指行完train.sh脚本会生在face_detect下生成model目录，目录下生成如下模型，这里迭代了50000次
注：模型文件以及超参数文件和train.sh脚本也都会上传

4 实现多尺度人脸检测

根据deploy.prototxt文件(全连接时使用）和deploy_full_conv.prototxt文件(全卷积时使用)
以及上一步中生成的_iter_50000.caffemodel模型，生成alexnet_iter_50000_full_conv.caffemodel模型文件
innerToConv.py脚本实现这一过程，脚本见 http://www.mamicode.com/info-detail-1918510.html
然后执行author.py脚本即可
最终实际效果图。