理工酷

RetinaDetection Object Detector

介绍

RetinaDetector是基于RetinaFace修改过的检测方法，原论文是一种实用的单级SOTA面部检测器，最初在arXiv技术报告中进行了介绍。

数据

如下组织数据集目录 数据/视网膜/ 训练/ 图像 /label.txt val / 图像 /label.txt 测试/ 图像 /label.txt

安装

1. 安装具有GPU支持的MXNet。
2. 如果使用基于DCN的主干，请从Deformable-ConvNets安装Deformable Convolution V2运算符。
3. 键入make以构建cxx工具。

训练

检查train.py。

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

为了获得更好的训练效果，可针对性的修改一些参数，如下：

config.TRAIN.MIN_BOX_SIZE = 10 ＃最小bbox 
config.FACE_LANDMARK = False ＃使用地标
config.USE_BLUR = False 
config.BBOX_MASK_THRESH = 0 
config.COLOR_MODE = 2 ＃增强
config.COLOR_JITTERING = 0.125

无效人脸的过滤，如下：

if (x2 - x1) < config.TRAIN.MIN_BOX_SIZE or (y2 - y1) < config.TRAIN.MIN_BOX_SIZE:
   continue
if self._split.startswith('train'):
   blur[ix] = values[19]
   if blur[ix] < 0.25:
      continue
if config.BBOX_MASK_THRESH > 0:
   if (x2 - x1) < config.BBOX_MASK_THRESH or (y2 - y1) < config.BBOX_MASK_THRESH:
      boxes_mask.append(np.array([x1, y1, x2, y2], np.float))
      continue
   if self._split.startswith('train'):
      if blur[ix] < 0.35:
         boxes_mask.append(np.array([x1, y1, x2, y2], np.float))
         continue

2. 下载预训练的模型并将其放入model/ ImageNet ResNet50。 https://pan.baidu.com/s/1WAkU9ZA_j-OmzO-sdk9whA https://www.dropbox.com/s/48b850vmnaaasfl/imagenet-resnet-50.zip?dl=0 ImageNet ResNet152。 https://pan.baidu.com/s/1nzQ6CzmdKFzg8bM8ChZFQg https://www.dropbox.com/s/8ypcra4nqvm32v6/imagenet-resnet-152.zip?dl=0

测验

检查test.py测试。

结果

1.缺陷检测 2.人脸检测+人脸对齐

Models

人脸检测模型，比原版误检更低，角度较大和模糊超过0.6的face会自动忽略，更适合人脸识别的应用： https://www.multcloud.com/share/5079e926-283b-4833-a216-b3de42eea0fe

参考

@inproceedings{yangsai1991@163.com,
year={2019}
}

转载自：https://github.com/bleakie/RetinaDetector