轻量级人脸检测模型

轻量级的人脸检测模型

简介

人脸检测现在已经被做坏了，各种算法，轻重都有，总有一款适合你，今天我们做一个轻量级的，模型大小只有580kb。

github
注意是tf2 分支

出发点

人脸检测是一类检测算法，而且目前主流的算法都是基于ssd的结构。
想要模型快，小就两点，模型参数量，模型的计算复杂度。

基于此，可以大致定下需要的模型结构

1. one sage
2. 轻backbone
3. 输入尺寸320x320 或更小
4. 输出feature不宜过大，层数不宜过多，一般3层，按需来
5. 适当的提升性能的手段，例如fpn，inception等的结构
   等。。。。

具体的结构见代码

于是有了 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

训练

1. 首先clone下代码，git clone https://github.com/610265158/DSFD-tensorflow.git
2. 下载数据集widerface
   把 WIDER_train, WIDER_val and wider_face_split 放到新建的WIDER 下面，
3. 然后运行，python prepare_wider_data.py, 然后会产生train.txt 和val.txt

其中 内容每一行是这个样子：./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 你要训练你自己的数据就这样： imgpath| xmin,ymin,xmax,ymax,1 …

4. 默认的config文件是一个很轻量级的模型，　直接运行　　
   python train.py

5. 模型转换 python tools/convert_to_tflite.py 会转换为tflite 模型

如果训练完了，想看一下ｄｅｍｏ，

python vis.py --model ./model/detector.tflite or
python vis.py --model ./model/detector