Skip to content

加入关键点的darknet训练框架,轻量级的人脸检测,支持ncnn推理

License

Notifications You must be signed in to change notification settings

DayBreak-u/darknet_face_with_landmark

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

32 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

darknet_face_with_landmark

借鉴AlexeyAB大神的 darknet 做适量修改,用于人脸检测以及关键点检测,支持ncnn推理

实现的功能

  • 添加关键点检测分支,使用wing loss
  • 添加 hswish,hsigmode 激活函数

Installation

Clone and install
  1. git clone https://github.com/ouyanghuiyu/darknet_face_with_landmark.git
  2. 使用scripts/retinaface2yololandmark.py脚本将retinaface的标记文件转为yolo的格式使用
  3. 其他编译训练都和原版darknet相同
  4. 测试
    ./darknet detector test ./data/face.data  ./cfg/mbv2_yolov3_face.cfg  ./models/mbv2_yolov3_face_final.weights  ./test_imgs/input/selfie.jpg  -dont_show

或者使用yolo_landmark.py进行测试,更换里面的模型配置文件即可

精度

Widerface测试

  • 在wider face val精度(单尺度输入分辨率:320*240
方法 Easy Medium Hard
libfacedetection v1(caffe) 0.65 0.5 0.233
libfacedetection v2(caffe) 0.714 0.585 0.306
Retinaface-Mobilenet-0.25(Mxnet) 0.745 0.553 0.232
mbv2_yolov3_face(our) 0.84 0.79 0.41
  • 在wider face val精度(单尺度输入分辨率:640*480
方法 Easy Medium Hard
libfacedetection v1(caffe) 0.741 0.683 0.421
libfacedetection v2(caffe) 0.773 0.718 0.485
Retinaface-Mobilenet-0.25(Mxnet) 0.879 0.807 0.481
mbv2_yolov3_face(our) 0.866 0.848 0.718

ps: 测试的时候,长边为320 或者 640 ,图像等比例缩放,yolo未作缩放.

测试

References

About

加入关键点的darknet训练框架,轻量级的人脸检测,支持ncnn推理

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published