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