400fps:CenterFace人脸和关键点检测

近来，很多人在使用tensorrt部署centerface遇到了各种问题，下面进行了一些解答和代码release：

1、版本：tensorrt 6.0.1+，python3.7

2、onnx模型转化为tensorrt格式。需要注意，repo里提供centerface.onnx的input shape是10x1x32x32，需要先改为目标分辨率，再转换到tensorrt格式。相关代码如下：

import onnx
import math

input_size =(1088,1920)
model = onnx.load_model("centerface.onnx")
d = model.graph.input[0].type.tensor_type.shape.dim
print(d)
rate = (int(math.ceil(input_size[0]/d[2].dim_value)),int(math.ceil(input_size[1]/d[3].dim_value)))
print("rare",rate)
d[0].dim_value = 1
d[2].dim_value *= rate[0]
d[3].dim_value *= rate[1]
for output in model.graph.output:
    d = output.type.tensor_type.shape.dim
    print(d)
    d[0].dim_value = 1
    d[2].dim_value  *= rate[0]
    d[3].dim_value  *= rate[1]

onnx.save_model(model,"centerface_1088_1920.onnx" )

3、其他问题，可能和tensorrt安装有关。

 

现在就详细介绍如何安装tensorrt和部署centerface。

1、Centerface模型介绍

Centerface具有具有小巧精度高特点，是目前最快的人脸和关键点检测的方法。该网络采用了anchor-free的方法，并引入了FPN的结构和思想，使得模型在小尺度的脸上具有更好的鲁棒性。

Centerface链接：

【链接】​github.com

 

2、TensorRT 安装

TensorRT的安装方式有好几种安装方式，可以采用简单便捷的tar包的安装方式。

2.1 下载安装包

先使用下面命令确认机器的cuda、cudnn的版本，然后对应下载相应的安装包；

cat /usr/local/cuda/version.txt
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

根据输出进行版本信息获取：

CUDA Version 10.1.243

#define CUDNN_MAJOR 7
#define