FaceBoxes实时人脸检测算法的tensorflow实现

FaceBoxes

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

source code

1. introduction

tensorflow2.0 版的facecboxes released，相比于之前的更容易理解算法了，如果需要tf1 切换到tf1 分支参考readme就好。

faceboxes 是一个cpu相对高效的人脸检测算法，本质上还是一个ssd结构，在小anchor上做了稠密策略。本文不再原理上过多赘述，想知道原理还是看论文。本文旨在帮助大家跑起来并看到结果！
其实github 上已经有一个faceboxes的tensorflow实现了，但是结果不太好，所以再实现了一下，实现也参考了其他repo。
另外这个实现和原文有些不同的地方，有一些改进。

1. 默认使用512x512（原始1024x1024）的输入，并将第一个卷积步长设为2（原始为4）训练起来更快一些，不然数据在cpu的预处理过程会很耗时，inference的时候也会更快一些。
2. 第一个卷积核由7x7x24 变成7x7x12
3. 将两个maxpool 变成3x3 stride2的卷积
4. 替换第二个5X5，stride2 和maxpool， 为两个3X3，stride2的卷积
5. 2.数据增强使用了anchor based sample。

因为结构和原文不是严格一样，速度更快一些，耗时：固定输入512， 70+FPS cpu （i7 8700k）, 160+FPS GPU(2080ti), 就模型大小，性能以及耗时上可以说是一个十分适合应用的算法了

fddb

0.961

如果只是想跑一下看看效果，可以下载训好的模型

• baidu disk (code zn3x )

• google drive

2. demo

加上人脸关键点的

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上面实验，切换到tf1分支，并参考readme
• 2 下载 widerface ，并解压 WIDER_train, WIDER_val and wider_face_split 到 ./WIDER,
• 3 下载 FDDB, 并解压到 FDDB-folds 到 ./FDDB ， 2002,2003 到 ./FDDB/img
• 4 python prepare_data.py
  会产生train.txt 和val.txt
• 5 然后 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 很简单，，

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

如果，想试试从摄像头检测，
python vis.py --cam_id 0 --model model/detector