YOLOv3训练WiderFace数据集来实现人脸检测

一、配置环境

• 编译好的YOLOv3
• win10
• CUDA 10.0
• cudnn-10.0-windows10-x64-v7.4.2.24
• OpenCV 3.4.0
• python 3.7
• RTX 2080Ti

二、准备数据集

人脸数据集：WiderFace数据集
1.下载下面的四个压缩包，并放在同一个文件夹内

• WIDER Face Training Images
• WIDER Face Validation Images
• WIDER Face Testing Images
• Face annotations

2. 在同一目录下解压4个压缩包，在当前目录下运行convert.py 转化为VOC格式数据集，完整代码如下：
（转化好的完整的voc格式的人脸数据集，点击打开，提取码：2cv4）

# -*- coding: utf-8 -*-

import shutil
import random
import os
import string
from skimage import io

headstr = """\

    VOC2012
    %06d.jpg
    
        My Database
        PASCAL VOC2012
        flickr
        NULL
    
    
        NULL
        company
    
    
        %d
        %d
        %d
    
    0
"""
objstr = """\
    
"""

tailstr = '''\

'''




def writexml(idx, head, bbxes, tail):
    filename = ("Annotations/%06d.xml" % (idx))
    f = open(filename, "w")
    f.write(head)
    for bbx in bbxes:
        f.write(objstr % ('face', bbx[0], bbx[1], bbx[0] + bbx[2], bbx[1] + bbx[3]))
    f.write(tail)
    f.close()


def clear_dir():
    if shutil.os.path.exists(('Annotations')):
        shutil.rmtree(('Annotations'))
    if shutil.os.path.exists(('ImageSets')):
        shutil.rmtree(('ImageSets'))
    if shutil.os.path.exists(('JPEGImages')):
        shutil.rmtree(('JPEGImages'))

    shutil.os.mkdir(('Annotations'))
    shutil.os.makedirs(('ImageSets/Main'))
    shutil.os.mkdir(('JPEGImages'))


def excute_datasets(idx, datatype):

    f = open(('ImageSets/Main/' + datatype + '.txt'), 'a')
    f_bbx = open(('wider_face_split/wider_face_' + datatype + '_bbx_gt.txt'), 'r')

    while True:
        filename = f_bbx.readline().strip('\n')

        if not filename:
            break


        im = io.imread(('WIDER_' + datatype + '/images/' + filename))
        head = headstr % (idx, im.shape[1], im.shape[0], im.shape[2])
        nums = f_bbx.readline().strip('\n')
        bbxes = []
        if nums=='0':
            bbx_info= f_bbx.readline()
            continue
        for ind in range(int(nums)):
            bbx_info = f_bbx.readline().strip(' \n').split(' ')
            bbx = [int(bbx_info[i]) for i in range(len(bbx_info))]
            # x1, y1, w, h, blur, expression, illumination, invalid, occlusion, pose
            if bbx[7] == 0:
                bbxes.append(bbx)
        writexml(idx, head, bbxes, tailstr)
        shutil.copyfile(('WIDER_' + datatype + '/images/' + filename), ('JPEGImages/%06d.jpg' % (idx)))
        f.write('%06d\n' % (idx))
        idx += 1
    f.close()
    f_bbx.close()
    return idx


if __name__ == '__main__':
    clear_dir()
    idx = 1
    idx = excute_datasets(idx, 'train')
    idx = excute_datasets(idx, 'val')
    print('Complete...')

3. 耐心等待运行完，数据量比较大，运行时间较长。结束后会生成3个文件夹，分别为：

• Annotations 【存放xml标签】
• ImageSets 【用txt文本存放图片的名称】
• JPEGImages 【存放所有JPG原图】

4. 模仿VOC数据集的目录格式，将上面三个文件夹放在如下的层级目录下：

--VOCdevkit
   --VOC2012
     --Annotations //存放xml标签
     --ImageSets
        --Main    //用txt文本存放图片的名称
     --JPEGImages //存放所有JPG原图
     --labels     //存放yolo用的txt格式的标签

5. 将VOC的xml标签转化为YOLO要用的txt格式的标签，在VOCdevkit同级目录下运行voc_label.py：

"""
 @Usage: generate custom voc-format-dataset labels, convert .xml to .txt for each image
 @author: sun qian
 @date: 2019/9/25
 @note: dataset file structure must be modified as:
 --VOCdevkit
   --VOC2012
     --Annotations
     --ImageSets
        --Main (include train.txt, test.txt, val.txt)
     --JPEGImages
     --labels
 @ merge val and test: Run command: type 2012_test.txt 2012_val.txt  > test.txt
"""
import xml.etree.ElementTree as ET
import os
from os import getcwd

# file list - train.txt, test.txt, val.txt
sets = [('2012', 'train'), ('2012', 'val')]

# class name
classes = ["face"]


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(year, image_id):
    in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml' % (year, image_id))
    out_file = open('VOCdevkit/VOC%s/labels/%s.txt' % (year, image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


if __name__ == '__main__':
    wd = getcwd()
    for year, image_set in sets:
        if not os.path.exists('VOCdevkit/VOC%s/labels/' % (year)):
            os.makedirs('VOCdevkit/VOC%s/labels/' % (year))
        image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt' % (year, image_set)).read().strip().split()
        list_file = open('%s_%s.txt' % (year, image_set), 'w')
        for image_id in image_ids:
            line = '%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n' % (wd, year, image_id)
            list_file.write(line.replace("\\", '/'))
            convert_annotation(year, image_id)
        list_file.close()

6. 结束后会在VOCdevkit -> VOC2012下生成labels和下面的2个txt文件（存放训练图片的绝对路径）：

三、训练

1.将2012_train.txt 和2012_val.txt复制到如下目录

 ../darknet-master/build/darknet/x64/data

2.在…/darknet-master/build/darknet/x64/data下新建文件face.data，打开face.data并写入：

classes= 1
train  = data/2012_train.txt
valid  = data/2012_val.txt
names = data/face.names
backup = data/weights-face  

3.在…/darknet-master/build/darknet/x64/data下新建文件face.names，打开face.names并写入：

face

4.在…/darknet-master/build/darknet/x64/data下新建一个文件夹weights-face，用于存放训练的权重。
5.在…/darknet-master/build/darknet/x64中找到yolov3.cfg，复制一份到…/x64/data目录下，重命名为yolov3-face.cfg（已修改好，可直接下载使用）。

6. yolov3-face.cfg主要改动的地方有三点：

• 修改为单类，将yolov3-face.cfg中三处 [yolo] 附近的filters和classes改成如下：

filters=18
classes=1

• 修改为yolov3-face.cfg的714和717行，使其适用于小目标检测，因为人脸基本上都比较小：
  
• 计算适合数据集的anchors，并修改yolov3-face.cfg的anchors：

#在../darknet-master/build/darknet/x64 目录下运行如下CMD代码，最后会生成anchors.txt
darknet.exe detector calc_anchors data/face.data -num_of_clusters 9 -width 416 -height 416

7.下载预训练模型darknet53.conv.74 放在：

..darknet-master/build/darknet/x64/data

8.命令行下进入…/darknet-master/build/darknet/x64，然后执行下面的命令开始训练：

darknet.exe detector train ./data/face.data ./data/yolov3-face.cfg ./data/darknet53.conv.74

开始训练…

四、测试

1. 由于WIDER Face数据集非常复杂，在RTX 2080Ti上经过20个小时的训练迭代17500次，loss一直稳定在2.0左右，可以结束训练来测试一下人脸检测的效果了。

2. cd进入…darknet-master\build\darknet\x64，在cmd中执行下面的命令，开始测试单一图像：

darknet.exe detector test data/face.data data/yolov3-face.cfg data/weights-face/yolov3-face_last.weights -thresh 0.4

3. 在百度上随便找了几张含有人脸的图像，试试yolov3人脸检测器的效果。

• 少量人脸图像检测效果：

• 中等数量人脸图像检测效果：

• 较多数量人脸图像检测效果：

• 极多数量人脸图像检测效果：

• 终极大招…

---