FaceBoxes實時人臉檢測算法的tensorflow實現

FaceBoxes

FaceBoxes: A CPU Real-time Face Detector with High Accuracy

source code

1. introduction

tensorflow2.0 版的facecboxes released，相比於之前的更容易理解算法了，如果需要tf1 切換到tf1 分支參考readme就好。

faceboxes 是一個cpu相對高效的人臉檢測算法，本質上還是一個ssd結構，在小anchor上做了稠密策略。本文不再原理上過多贅述，想知道原理還是看論文。本文旨在幫助大家跑起來並看到結果！
其實github 上已經有一個faceboxes的tensorflow實現了，但是結果不太好，所以再實現了一下，實現也參考了其他repo。
另外這個實現和原文有些不同的地方，有一些改進。

1. 默認使用512x512（原始1024x1024）的輸入，並將第一個卷積步長設爲2（原始爲4）訓練起來更快一些，不然數據在cpu的預處理過程會很耗時，inference的時候也會更快一些。
2. 第一個卷積核由7x7x24 變成7x7x12
3. 將兩個maxpool 變成3x3 stride2的卷積
4. 替換第二個5X5，stride2 和maxpool， 爲兩個3X3，stride2的卷積
5. 2.數據增強使用了anchor based sample。

因爲結構和原文不是嚴格一樣，速度更快一些，耗時：固定輸入512， 70+FPS cpu （i7 8700k）, 160+FPS GPU(2080ti), 就模型大小，性能以及耗時上可以說是一個十分適合應用的算法了

fddb

0.961

如果只是想跑一下看看效果，可以下載訓好的模型

• baidu disk (code zn3x )

• google drive

2. demo

加上人臉關鍵點的

3. train

• 1 git clone https://github.com/610265158/faceboxes-tensorflow.git, master 分支是tensorflow2.0，如果仍然需要在tensorflow1上面實驗，切換到tf1分支，並參考readme
• 2 下載 widerface ，並解壓 WIDER_train, WIDER_val and wider_face_split 到 ./WIDER,
• 3 下載 FDDB, 並解壓到 FDDB-folds 到 ./FDDB ， 2002,2003 到 ./FDDB/img
• 4 python prepare_data.py
  會產生train.txt 和val.txt
• 5 然後 python train.py

4. evaluation

    python test/fddb.py [--model [TRAINED_MODEL]] [--data_dir [DATA_DIR]]
                          [--split_dir [SPLIT_DIR]] [--result [RESULT_DIR]]
    --model              Path of the saved model,default ./model/detector
    --data_dir           Path of fddb all images
    --split_dir          Path of fddb folds
    --result             Path to save fddb results

example python model_eval/fddb.py --model model/detector --data_dir 'FDDB/img/' --split_dir FDDB/FDDB-folds/ --result 'result/'

5. visulization

看一下 vis.py 很簡單，，

python vis.py --img_dir your_images_dir --model model/detector

如果，想試試從攝像頭檢測，
python vis.py --cam_id 0 --model model/detector