MTCNN_paddle

一、简介

本项目采用百度飞桨框架paddlepaddle复现Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks

paper：Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks

二、复现结果

四、实现

1. 测试

1）安装opencv环境和gnuplot

2）数据集

数据集已挂载至aistudio项目中，如果需要本地训练可以从这里下载数据集，和标签文件 解压指令

unzip -q /home/aistudio/data/data109883/widerface.zip
unzip -q /home/aistudio/data/data109883/FDDB.zip
cd MTCNN-master 

├─FDDB
   ├─2002
   ├─2003
   ├─FDDB-folds
├─widerface
   ├─FacePoint
   ├─wider_face_split
   ├─train
   ├─val
├─MTCNN-master

4）测试

python test_FDDB.py --fddb_path /home/aistudio/FDDB

3）修改runEvaluate.pl路径

这里由于在aistudio上装opencv没有权限，所以我在自己主机上测的

my $imDir = "/home/data2/zhangjiaqing/FDDB/"; 
# where the folds are
my $fddbDir = "/home/data2/zhangjiaqing/FDDB/FDDB-folds/"; 
# where the detections are
my $detDir = "/home/zhangjiaqing/zjq/MTCNN-master/detection_result/txtshow/";

注意：

• imDir 应该指向数据集的路径
• fddbDir 应该是指向数据集标签的路径
• detDir 是测试结果的路径

4）评估

cd evaluation
perl runEvaluate.pl

2. 训练

以下各节以分步方式描述数据准备和网络训练 日志文件保存在这里

1) 准备 Wider_Face 注释文件

修改目录 原始的宽脸注释文件是matlab格式。让我们将它们转换为.txt文件。

python gen_dataset/transform_mat2txt.py

2) 生成PNet训练数据和注释文件

python gen_dataset/gen_Pnet_data.py

python gen_dataset/assemble_Pnet_imglist.py

3) 训练 PNet 模型

python training/pnet/train.py

4) 生成RNet训练数据和注释文件

python gen_dataset/gen_Rnet_data.py

python gen_dataset/assemble_Rnet_imglist.py

5) 训练RNet 模型

python training/rnet/train.py

6) 生成ONet训练数据和注释文件

python gen_dataset/gen_Onet_data.py

python gen_dataset/gen_Onet_landmark.py

python gen_dataset/assemble_Onet_imglist.py

7) 训练 ONet 模型

python training/onet/landmark_train.py

3. 预测一张图片

python predict.py --img_path /home/aistudio/MTCNN-master/img_464.jpg --base_model_path weights --detection_path detection_result/picshow/

预测结果保存在路径下