深度学习之InsightFace:人脸分析项目

最新推荐文章于 2024-09-26 20:09:40 发布

your___

最新推荐文章于 2024-09-26 20:09:40 发布

阅读量3.3k

点赞数 3

分类专栏： CV 文章标签：深度学习 ubuntu 计算机视觉

本文链接：https://blog.csdn.net/your___/article/details/120017685

版权

CV 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

一、 detection部分选择retinaface

https://github.com/deepinsight/insightface/tree/master/detection/retinaface

1数据

使用WIDERFACE数据集，下载来源：http://shuoyang1213.me/WIDERFACE/index.html 标签来源：https://pan.baidu.com/s/1Laby0EctfuJGgGMgRRgykA
在retinaface目录下新建data目录，然后data下再建retinaface目录，如下：
在这里插入图片描述

2安装

pip install -U insightface

pip install cytion

安装gpu版本mxnet(必须与cuda版本对应)

pip install mxnet-cu101  #对应cuda10.1

此时make一下生成cxx工具
由于使用多GPU方式进行训练，因此需要安装NCCL，否则会报错： OSError: libnccl.so.2: cannot open shared object file: No such file or directory
在 Ubuntu 上安装NCCL首先需要向包含NCCL软件包的 APT 系统添加一个存储库，然后通过 APT安装NCCL软件包。有两个可用的存储库，一个本地存储库和一个网络存储库，建议选择后者，在此展示网络存储库安装方式。参考官网：https://docs.nvidia.com/deeplearning/nccl/install-guide/index.html

（1）安装钥匙

例如使用 Ubuntu 18.04 的网络存储库安装时：

sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub

需指定自己的Ubuntu版本型号以及CPU架构。

（2）安装存储库

sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"

（3）更新APT数据库

sudo apt update

（4）安装 libnccl2以及libncl-dev

sudo apt install libnccl2 libnccl-dev

3训练

（1）复制rcnn/sample_config.py到rcnn/config.py

（2）下载 ImageNet ResNet50 预训练模型并将它们解压放入model/ 下载链接：https://pan.baidu.com/s/1WAkU9ZA_j-OmzO-sdk9whA
在这里插入图片描述

（3）开启训练前，由于使用的是ResNet50预训练模型，所以在rcnn/config.py中需做出以下修改：
在这里插入图片描述
运行以下命令开始训练：

CUDA_VISIBLE_DEVICES='0, 1' python -u train.py --prefix model/resnet-50 --network resnet

目前只有0，1两个GPU空闲可用，可运行nvidia-smi命令查看当前空闲可用的GPU id进行选择更改。

4测试

可以在训练集中随便选一张图片，例如选择：20_Family_Group_Family_Group_20_290.jpg这张图片，将其放在retinaface目录下：
在这里插入图片描述
然后修改test.py文件如下：

运行如下命令则可以测试这张图片：

CUDA_VISIBLE_DEVICES='0, 1' python -u test.py --prefix model/resnet-50 --network resnet

二、 recognition部分选择arcface _mxnet

https://github.com/deepinsight/insightface/tree/master/recognition/arcface_mxnet

1、下载训练数据集MS1M-ArcFace: https://pan.baidu.com/s/1S6LJZGdqcZRle1vlcMzHOQ
解压后将其放入insightface/recognition/datasets/ 如下：
在这里插入图片描述

2、编辑配置文件

cp sample_config.py config.py
vim config.py # 编辑数据集路径等

在这里插入图片描述
3、创建sh文件然后训练
进入arcface_mxnet/目录，编辑

vim run_train.sh

编辑下面三行代码：

export MXNET_CPU_WORKER_NTHREADS=24
export MXNET_ENGINE_TYPE=ThreadedEnginePerDevice

CUDA_VISIBLE_DEVICES='0,1' python -u train.py --network r100 --loss arcface --dataset emore --per-batch-size 36

保存退出，在终端运行
bash run_train.sh 则开始训练

模型开始训练如下图：
在这里插入图片描述