使用DSFD检测DarkFace数据集过程

1.下载Dark Face数据集，使用track2.2_test_sample文件中图片进行人脸检测测试。

2.修改DSFD源码中demo.py部分：

test_oneimage()：

def test_oneimage():
    # load net

    # 影响网络的自动求导机制，使网络前向传播后不进行求导和反向传播（仅测试时使用）
    torch.set_grad_enabled(False)

    # 加载config配置参数
    cfg = widerface_640
    # 分类的类别数目---widerface.py
    num_classes = len(WIDERFace_CLASSES) + 1 # +1 background
    # 加载SSD网络模型，返回一个SSD实例
    net = build_ssd('test', cfg['min_dim'], num_classes) # initialize SSD
    # 加载预训练模型train_model
    net.load_state_dict(torch.load(args.trained_model))
    net.cuda()
    # 表示进入评估模式，神经网络中有train(),eval()两种模式，使用eval()可关闭dropout
    net.eval()
    print('Finished loading model!')

    # evaluation
    cuda = args.cuda
    transform = TestBaseTransform((104, 117, 123))
    thresh=cfg['conf_thresh']
    #save_path = args.save_folder