輕量級的人臉檢測模型
簡介
人臉檢測現在已經被做壞了，各種算法，輕重都有，總有一款適合你，今天我們做一個輕量級的，模型大小隻有580kb。
github
注意是tf2 分支
出發點
人臉檢測是一類檢測算法，而且目前主流的算法都是基於ssd的結構。
想要模型快，小就兩點，模型參數量，模型的計算複雜度。
基於此，可以大致定下需要的模型結構
- one sage
- 輕backbone
- 輸入尺寸320x320 或更小
- 輸出feature不宜過大，層數不宜過多，一般3層，按需來
- 適當的提升性能的手段，例如fpn，inception等的結構
等。。。。
具體的結構見代碼
於是有了 lightnet ， 算是改的DSFD吧，但是更像retinanetface
github
注意是tf2 分支
模型和性能
Lightnet_0.5 including tflite model,
(time cost: mac [email protected]， tf2.0 15ms+， tflite 8ms±,input shape 320x320)
- baidu disk ( password yqst )
- google drive
| model | input_size | fddb | model size |
|---|---|---|---|
| Lightnet_0.75 | 640x640 | 0.960 | 800k± |
| Lightnet_0.5 | 640x640 | 0.953 | 560k± |
| Lightnet_0.5 | 416x416 | 0.953 | 560k± |
| Lightnet_0.5 | 320x320 | 0.936 | 560k± |
| model | input_size | wider easy | wider medium | wider hard |
|---|---|---|---|---|
| Lightnet_0.75 | 640x640 | 0.867 | 0.806 | 0.440 |
| Lightnet_0.5 | 640x640 | 0.858 | 0.796 | 0.430 |
| Lightnet_0.5 | multiscale | 0.861 | 0.837 | 0.726 |
ps the time cost not including nms, and flip test is used
訓練
- 首先clone下代碼，
git clone https://github.com/610265158/DSFD-tensorflow.git - 下載數據集widerface
把 WIDER_train, WIDER_val and wider_face_split 放到新建的WIDER 下面， - 然後運行，
python prepare_wider_data.py, 然後會產生train.txt 和val.txt
其中 內容每一行是這個樣子：./WIDER/WIDER_val/images/0–Parade/0_Parade_Parade_0_913.jpg| 238,146,450,392,1 612,192,818,426,1 28,100,104,214,1。
也就是如果 你要訓練你自己的數據就這樣： imgpath| xmin,ymin,xmax,ymax,1 …
-
默認的config文件是一個很輕量級的模型， 直接運行
python train.py -
模型轉換 python tools/convert_to_tflite.py 會轉換爲tflite 模型
如果訓練完了，想看一下ｄｅｍｏ，
python vis.py --model ./model/detector.tflite or
python vis.py --model ./model/detector