RetinaFace完整安装历程 windows10+CPU版本

本文详细记录了在Windows10环境下,使用CPU安装RetinaFace的过程,包括MXNet的安装,遇到的如OPENSSL_sk_new_reserve错误、Python版本不匹配等问题的解决办法,以及如何处理模块导入错误、MXNet版本更新警告等常见问题。
摘要由CSDN通过智能技术生成

(一)安装MXNet

首先安装MXNet。此后的运行错误表明,mxnet版本要在1.3以上

1.推荐安装方法

1.在pypi.org上找到mxnet包;
2.选择对应python的版本;
3.按照官网提示,使用pip安装。

安装普通的cpu版本,打开cmd输入:(前提是把pip加入环境变量)

> pip install mxnet
2.从github下载MXNet

github链接:incubator-mxnet
下载完成后,在cmd用python编译
(如果使用anaconda,需在anaconda prompt而不是cmd安装)

     > cd python  (切换到mxnet里的python文件夹)
     > python setup.py install
3.anaconda安装 mxnet包

(1)打开Anaconda Navigator,在environmnet中搜索mxnet,查找范围设定为all;选中mxnet包,点击Apply下载
(2)也可以使用方法1(有博主反应pip安装坑太多,conda install mxnet更好)

[查询MXNet版本和路径]

安装好以后可以检查一下,mxnet版本要在1.3以上。

> python
>>> import mxnet
>>> mxnet.__version__
>>> mxnet.__path__

如果不是1.3以上,手动指定版本安装:(不用先删后装,原来的版本会自动删掉的)

>pip install mxnet==1.3.1
[遇到问题]
(1)无法定位程序输入点OPENSSL_sk_new_reserve于动态链接库\anaconda\Library\bin\libssl-1_1-x64.dll上

解决:比较 \anaconda\Library\bin\libssl-1_1-x64.dll 和 \anaconda\DLLs\libssl-1_1-x64.dll 两个文件的日期,用日期早的(先前的)替换日期晚的(新的)。如果遇到文件已打开无法复制成功,可以重启anaconda。

(2)命令行输入 python 弹出 microsoft store

将用户环境变量中的 %USERPROFILE%\AppData\Local\Microsoft\WindowsApps 删除或移到python之后。重新启动cmd,在新的环境变量下运行。

(二)安装retinaface

(1)下载整个insightface。github链接
(2)按官网要求,下载标记、WideFace图片库并整理目录;
annotations (face bounding boxes & five facial landmarks)百度云链接
WIDER Face Training Images 腾讯微云
WIDER Face Validation Images 腾讯微云
WIDER Face Testing Images 腾讯微云
data目录
(3)按官网要求,下载R50模型,在~\insightface\RetinaFace新建文件夹model,把压缩包中的params和json文件放在model目录下;
RetinaFace-R50 [百度云链接]

  • 4
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
RetinaFace ArcFace是一种常用于人脸识别的深度学习算法。RetinaFace是一种人脸检测算法,用于在图像中识别和定位人脸。它采用了全卷积神经网络结构,并利用了特征金字塔网络来多尺度地检测不同大小的人脸。RetinaFace使用了anchor-based方法,在不同尺度上生成候选框,并通过网络预测每个候选框的边界框和类别概率。 而ArcFace是一种人脸识别算法,用于在给定的人脸图像中提取具有高度可辨识性的人脸特征向量。ArcFace将人脸图像映射到一个高维特征空间,并通过特殊的角度余弦损失函数,在特征空间中将同一个人脸的特征向量拉近,并将不同人脸的特征向量推开。这样,在特征空间中,同一个人脸的特征向量之间的相似度会很高,而不同人脸的特征向量之间的相似度会很低。 结合RetinaFace和ArcFace,可以实现人脸检测和识别的整个流程。首先使用RetinaFace检测人脸,并获取人脸的位置和边界框。然后,将这些人脸区域图像输入ArcFace网络,提取每个人脸的特征向量。接下来,可以使用这些特征向量来比较和匹配不同人脸的相似度,以实现人脸的识别和验证。 RetinaFace ArcFace人脸识别领域具有较好的性能和广泛的应用。它可以应用于人脸识别门禁系统、人脸支付、人脸考勤、人脸身份验证等多个领域。通过这两种算法的组合,可以提高人脸识别的准确性和鲁棒性,实现更加安全和高效的人脸识别技术。
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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