这篇博客详细记录了使用YOLOv5-face进行人脸识别的全过程，包括数据集的下载与转换、训练过程中的问题解决、训练参数调整以及训练结果展示。作者在训练过程中遇到了内存不足、缺少库文件等问题，并分享了解决方案。最终，作者通过GPU训练得到了较好的识别效果，并提供了训练权重文件和相关资源的下载链接。
yolov5-face是基于yolov5基础上的人脸识别，
感兴趣的朋友可以先看看yolov5相关,yolov5没有论文，
yolo5-face 的论文：
[2105.12931] YOLO5Face: Why Reinventing a Face Detector (arxiv.org)
https://arxiv.org/abs/2105.12931yolov5-face的项目地址：
**************************************************************************************************************
YOLOv5-face代码运行
**************************************************************************************************************
第一步：下载yolo5-face
（环境我用的是之前配置yolov5的同样环境）
第二步：下载数据集 widerface数据集。
下载网址：
http://shuoyang1213.me/WIDERFACE/
下载如下压缩包
解压缩到yolo5-face项目下data下新建的widerface文件夹下。
手动把WIDER_train,WIDER_test,WIDER_val,改成train,test,val.wider_face_split不变。（wider_face_split不下载也可以。）
这是单纯只有图片。
https://drive.google.com/file/d/1tU_IjyOwGQfGNUvZGwWWM4SwxKp2PUQ8/view?usp=sharing
下载的是widerface图片的label.txt文件。
全部解压完事后，再去压缩retinaface_gt_v1.1,解压缩位置放到yolov5-face-master项目里data文件夹下新建的widerface文件夹下。
这样的话就会直接放到对应的标签里。
（如果不手动改上面的test/train/val的话，压缩retinaface_gt_v1.1后，会多出test/train/val的文件夹）
第三步:运行train2yolo.py和val2yolo.py
接着运行train2yolo.py和val2yolo.py文件，这俩个文件是把数据集转成yolo训练用的格式。
直接运行会出错，如图二，
（需要改变文件路径。一开始我找了train2yolo.py中没有读取和存储路径，以为写在retinaface2yolo.py中，然后就改变retinaface2yolo.py中103和104行，如图三，
换成自己的存放地址运行后在widerface文件夹train文件夹下出现照片对应的.txt文件。项目中没有要求运行retinaface2yolo.py,先略过。）
在data文件夹下新建widerfaceyolo文件夹，放widerface文件夹对应的yolo所需的文件。
wideryolo下新建train文件夹。
修改train2yolo.py文件：注释掉104-126行，修改读取路径和保存路径，如图：
修改代码可复制，记得换成自己的保存路径：
original_path = r'F:/YOLOv5projects/yolov5-face-master/data/widerface/train'
save_path = r'F:/YOLOv5projects/yolov5-face-master/data/widerfaceyolo/train'
aa = WiderFaceDetection(os.path.join(original_path, 'label.txt'))运行train2yolo.py后，出现图五：
这时在widerfaceyolo文件夹下就有如图
（没细看代码，暂时觉得train2yolo.py和retinaface2yolo.py运行后结果一样，以后有机会看看，现在先忙着把程序运行出来。）
接着修改 val2yolo.py文件：
注释掉54-76行，修改到自己的读存取路径如图：
运行后，
此时widerface文件夹下val下多了照片和.txt文件，
这么写没有把.jpg和.txt文件分开，所以在val下新建2文件夹images和labels，改写代码
运行后：
这样子就是图片是图片，标签是标签啦。
（一开始的没有分类的图片和标签没有什么用啦，大家可以不做那一步，属于我绕路啦）
第四步:运行train.py
出错 ImportError：TensorBoard 日志记录需要 TensorBoard 1.15 或更高版本
升级tensorboard后还是出错，参考博客后修改了widerface.yaml文件，还是出错
好像是版本的问题，卸载又重新安装了seaborn,还有scipy后，开始训练：
提示没有找到数据集，应该是路径错误。因为widerface.yaml文件中有
down:bash data/scipts/get_voc.sh所以自动下载voc数据集。voc下载成功，但是还是出错。
以为是之前对数据有处理了俩次，导致不知道读取那一部分的数据，所以删掉那些没有分类的数据。
再次train.py
提示没有models/common.py中没有SPPF,从yolov5项目中复制到刚才路径里SPP类的下面
虽然有警告，但是可忽略。再再次运行train.py
wandb: 错误 api_key 未配置 (no-tty):调用 wandb.login(key=[your_api_key])
在 yolov5 遇到这个问题，需要重新设置一下wandb，在对应的环境终端输入如下代码：
wandb init然后打开弹出的网址：
打开后复制key
在终端中输入（ctrl + v 在终端中不会出现你粘贴的东西），粘贴后 enter 就好。
然后选择创建一个新的还是远来已经创建好的，就可以：
再再再次运行train.py，提示没有wider_val.txt文件，
（我从别的地方下载下来，放进去，有需要的可以私聊我）
也因为是因为cpu训练，所以改小了epoch和batch-size(大家可不改）
再再再再次运行train.py，提示没有足够的内存，我放弃用CPU训练了，打算看看google的免费GPU.
运行完后在run下会有日志还有一丢丢识别图，但是没有权重文件，也没有生成best.pt等。
同时也生成了wandb相关文件：
可以通过wandb看到标签。
虽然没有训练完，但是有一个可以看到效果
等我用GPU训练后再给大家看最终结果。
20220408来记录结果了。
训练结果：
训练后，又修改训练权重，epoch=100,batch_size=32
错误原因：是setuptools的版本问题，
原本setuptools==60.10.0改为pip installsetuptools==59.5.0
batch_size越大，所占运行空间内存越大
俩次训练对比：
训练完事后，修改训练权重，改为摄像头，运行Detect_face.py，出错。
不能识别摄像头，只能读取照片路径。
只能识别单张照片。没有写循环，读取照片时候是单张，写入新的照片需要改名字，要不然会把之前的识别照片覆盖。
修改参数，识别照片，
训练结果如图：
总结：
Batch_size小，所占运算内存就越小。这取决于CPU,GPU的运算能力。
一共有俩个权重，一个是yolov5-buzeface.pt,一个是yolo5s.pt,5s的效果更好。
Export.py和yolo.py是用于将模型装换为c++可调用的模型
Yolo.py中 for I(f,n,m,args)in enumerate开始迭代循环backbone与head的配置。f，n，m，args分别代表着从哪层开始，模块的默认深度，模块的类型和模块的参数。
打包分享：
项目，数据集，训练后的权重文件，还有加了注意力训练的权重文件。下载地址：
链接：https://pan.baidu.com/s/1KHutnpJrRbqtSFfQdtmfZA?pwd=stjy
提取码：stjy
yolo5-face+注意力机制
可以参考这几篇：
❀YOLO5学习❀基于yolo5-face结合注意力模型SE的数据实验_夏天｜여름이다的博客-CSDN博客
❀YOLO5学习❀基于yolo5-face结合注意力模型CBAM的数据实验_夏天｜여름이다的博客-CSDN博客
参考博客：
[1] YOLOv5Face YOLO5Face人脸检测论文及代码简析_cliu1_16的博客-CSDN博客_yolov5人脸检测
[2]
扫一扫
7353
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
