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
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
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
cd evaluation
perl runEvaluate.pl
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
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
python gen_dataset/gen_Pnet_data.py
python gen_dataset/assemble_Pnet_imglist.py
python training/pnet/train.py
python gen_dataset/gen_Rnet_data.py
python gen_dataset/assemble_Rnet_imglist.py
python training/rnet/train.py
python gen_dataset/gen_Onet_data.py
python gen_dataset/gen_Onet_landmark.py
python gen_dataset/assemble_Onet_imglist.py
python training/onet/landmark_train.py
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