YOLOv5Face YOLO5Face人脸检测论文及代码简析

YOLO5Face论文发出以后，对YOLO5Face论文进行分析的文章较少，就想写一篇对YOLO5Face进行分析的文章，主要也是非常喜欢YOLO系列，博主也是刚刚入门人脸检测，写的就是一篇小白文，也第一次写文章，有不正确的地方希望大神们多多指正。

YOLO5Face模型分析

论文及源码下载

论文地址：https://arxiv.org/abs/2105.12931论文我们中国人写的，读起来还是挺顺的。
源码地址：https://github.com/deepcam-cn/yolov5-face
WiderFace地址：WIdeFace
Yolo5Face是深圳神目科技&LinkSprite Technologies（美国）在Yolov5模型基础上进行更新得到的人脸检测模型，在WiderFace上取得了SOTA。

论文创新点

正如论文名字的后半部分Why Reinventing a Face Detector？论文将人脸检测视为一般的目标检测任务，所以作者以现在比较热门的YOLOv5模型为基础，辅助以人脸特性，得到一个新的人脸检测器。
论文创新点：

1. 在YOLOv5网络中添加五个人脸关键点回归，回归的损失函数用的是Wing loss。（类比MTCNN、RetinaFace）
   MTCNN中使用L2损失作为5个人脸关键点的回归损失，但是L2对小的误差并不敏感，为了克服这个问题，Wing-Loss出现了。
   
   
   可以看到Wing-loss是一个分段的复合损失函数，在训练初期误差较大时用L1损失，在训练后期误差相对小，用一个具有偏移量的对数函数。wing-loss的优点我也不能很好的论述清楚，感兴趣的可以去看这篇博客。https://blog.csdn.net/john_bh/article/details/106302026
   作者将五个人脸关键点回归损失加入到总的损失函数中去后，作者将这部分损失函数称为LossL并给这部分损失加上权重，加上YOLOv5本身的损失函数LossO，总的损失函数为Loss(s)。
   
   作者在配置文件里面写的：landmark: 0.005 # landmark loss gain，那应该这个权重就是0.005，具体的代码我还没有看到，看到以后如果不对再改。

2. 用Stem模块替代网络中原有的Focus模块，提高了网络的泛化能力，降低了计算复杂度，同时性能也没有下降。
   Focus模块出来的时候，就有人说Focus模块比较鸡肋。可能是作者想改掉这部分又不想大改v5的整体模型，所以设计出一个相对更好的模块。
   Stem模块的图示中虽然都是用的CBS，但是看代码可以看出来第2个和第4个CBS是1x1卷积，第1个和第3个CBS是3x3，stride=2的卷积。配合yaml文件可以看到stem以后图像大小由604x640变成了160x160。

class StemBlock(nn.Module):
    def __init__(self, c1, c2, k=3, s=2, p=None, g=1, act=True):
        super(StemBlock, self).__init__()
        self.stem_1 = Conv(c1, c2, k, s, p, g, act) # 已经下采样一次了
        self.stem_2a = Conv(c2, c2 // 2, 1, 1, 0)
        self.stem_2b = Conv(c2 // 2, c2, 3, 2, 1)
        self.stem_2p = nn.MaxPool2d(kernel_size=2,stride=2,ceil_mode=True)
        self.stem_3 = Conv(c2 * 2, c2, 1, 1, 0)

    def forward(self, x):
        stem_1_out  = self.stem_1(x)
        stem_2a_out = self.stem_2a(stem_1_out)
        stem_2b_out = self.stem_2b(stem_2a_out)
        stem_2p_out = self.stem_2p(stem_1_out)
        out = self.stem_3(torch.cat((stem_2b_out,stem_2p_out),1))
        return out

3. 对SPP模块进行更新，使用更小的kernel，使yolov5更适用于人脸检测并提高了检测精度。YOLOv5用的SPPkernel(5,9,13)，YOLO5Face用的kernel(3,5,7)。
   
4. 添加一个stride = 64的P6输出块，P6可以提高对大人脸的检测性能。（之前的人脸检测模型大多关注提高小人脸的检测性能，这里作者关注了大人脸的检测效果，提高大人脸的检测性能来提升模型整体的检测性能）。P6的特征图大小为10x10。
5. 发现一些目标检测的数据增广方法并不适合用在人脸检测中，包括上下翻转和Mosaic数据增广。删除上下翻转可以提高模型性能。对小人脸进行Mosaic数据增广反而会降低模型性能，但是对中尺度和大尺度人脸进行Mosaic可以提高性能。随机裁剪有助于提高性能。
   这里主要还是COCO数据集和WiderFace数据集尺度有差异，WiderFace数据集小尺度数据相对较多。
6. 基于ShuffleNetv2设计了两个轻量级模型，backbone和CSP网络不同，模型非常小，可以在嵌入式设备和移动设备达到SOTA。

依托YOLOv5可以调整网络宽度和深度的特点，作者可以方便的设计不同深度和宽度的网络模型，还用ShuffleNetv2设计了轻量级模型，也就是说从复杂到简单，从服务器到嵌入式或者移动设备，都有可以选择的模型。

实验结果

可以看到作者用的各种模块基本上都能提升map，忽略小人脸进行Mosaic数据增广Easy和Medium的map提升，但是hard的map下降了一些，模型整体的map提升。

对比实验主要还是和SCRFD进行对比，可以看到SCRFD的模型整体性能也很好，并且参数和计算量相对比YOLOv5l6小一些，但是YOLOv5l6的map稍微更高一些。
实验最后的一些图显示YOLO5Face的召回率相比还有一些提升空间，但是评估中没有TTA方法。（我觉得可以看看看图里面比YOLO5Face召回率高的论文，分析一下为什么别的论文里面召回率更高一些，大神分析出来了请告诉我好吗）。

下载代码跑起来

下载代码的地址就是上面的github地址，如果没有配环境就慢慢配环境，不过我觉得更好的方法是把yolov5的代码下载下来，主要里面有个requirements.txt，在pycharm里面直接就能自动下载了，太爽了，没有什么就下载什么，很快就能把环境配好，然后打开yolo5face的代码，用v5自动配好的环境，如果有不匹配的再改。

调整数据集

现在我用的数据集目录结构：widerface和widerfaceyolo都用到了。

调整数据集其实需要分两步，我是把两步的数据集都放到项目里面了：

1. 将官网训练集标签替换成带人脸关键点的标签，并将验证所需要的wider_val.txt放到路径下面，将数据集放在项目下命名为widerface，用于验证模型检测精度。
2. 将数据集调整成YOLO5face所需要的的目录格式，命名为widerfaceyolo，用于训练。

这两步生成的数据集我都上传到腾讯微云了，如果不想看具体怎么操作的，可以直接点击链接获取已经调整好的数据集，下载下来放到自己的文件夹就行了。

1. WiderFace官网下载数据集链接已经放到最上面了。下载的地方是这样的：
   官网的数据集分三部分，Training和Validation是带标签的，test没有标签，可以暂时不下载。
2. 下载人脸关键点的标签：因为官网的训练集中人脸是不带关键点，yolo5face需要用到人脸关键点，需要下载带人脸关键点的注释。官网上给的下载地址是goole drive的地址。更换标签就完成了初步转换，要把这个初步转换的数据集放到项目里面去，然后在网上找到wider_val.txt也放到下面。因为后面要做检测精度的验证，目录结构和我上面的图里面的结构保持一致。
3. 调整目录结构：
   运行两个.py文件，就是官网上说的train2yolo.py和val2yolo.py。看名字也能看明白，这两个代码就是把数据集转成YOLO训练用的格式。
   先改train2yolo.py
   看名字应该看的懂的，save_path是转换之后的图片存到哪里，我是直接存到data下面了，注意文件夹一定要事先建好，不然会出错！第二行就是label.txt的位置，要根据label.txt找图片的位置，这就是为什么要调整好图片和labels.txt。
   再改val2yolo.py, root改到widerface层
   
   修改img和txt的输出路径，具体将图片和标签放不放在一起，看自己写的代码。
   
   调整完成的widerfaceyolo目录结构：
   
   和上面的总体结构一起看就能明白。
4. 修改widerface.yaml文件，改为自己的数据集路径，记得把下载voc的代码注释掉，然后改成类似的格式就可以了。
   

训练完成之后检验结果

runs文件夹下面有对应的训练输出结果，可以看到召回率，检测精度，map。

1. 验证检测准确度
   修改test_widerface.py文件，写入自己的训练好的权重路径
   
   修改验证集图片路径，指出wider_val.txt的路径，我这里就是用的widerface的路径，不是widerfaceyolo的路径，相应的改成自己的路径即可。
   
   这些步骤完成以后，运行test_widerface.py文件，运行完成以后，进入到widerface_evaluate文件夹下，点击widerface_txt可以看到生成的txt文件夹，和里面的txt文件，运行evalution.py即可得到检测准确度，跑不起来就先把对应的包先装好。
2. 未完待续

一点点代码简析

文件结构

• data
• models
• runs
• torch2tensorrt # 没看懂，也没用过，懂的教教我
• utils
• weights # 下载预训练权重的脚本
• widerface_evaluate # 验证检测精度的文件夹
• detect_face.py # 只能检测一张图片
• hubconf.py #PyTorch Hub相关代码，没啥大用
• LICENSE # 版权文件
• README.md # README markdown文件
• result.jpg # 检测人脸的输出结果
• test.py # 不是用的这个
• test_widerface.py # 用的是这个
• train.py # 模型训练脚本

data

• images，一些检测用得到的图片。
• scripts，下载其他数据集的一些脚本文件，基本没用。
• widerface，初步转换数据集，用来生成widerfaceyolo数据集和验证训练模型的检测精度。
• widerfaceyolo，训练用的数据集。
• argoverse_hd.yaml/coco.yaml/coco.yaml/voc.yaml，下载自动驾驶/COCO/VOC训练数据集，配置一下类别数，没啥用。
• hyp.finetune.yaml，yolov5根据voc数据集设置的超参
• hyp.finetune.yaml，真正用到的超参文件！
• retinaface2yolo.yaml，没用过，不太懂
• train2yolo.py，生成训练用的train数据集
• val2yolo.py，生成训练用的val数据集
• widerface.yaml，训练用到的配置文件！

models

• common.py 模型组件的相关代码
• experimental.py 实验性质的代码，作者的一些想法，没有加到模型里去
• export.py 导出网络模型的结构，会很长很长
• yolo.py Detect以及Model构建代码，写出网络模型的整体构建过程
• …yaml 大大小小的模型配置文件，突出一个灵活。

common.py

• def autopad：为same卷积或same池化自动零填充，具体填充多少就是用这个函数计算的，保证卷积和池化后的特征图大小不变。
• def channel_shuffle：通道打乱，ShuffleV2Block的前置模块。
• def DWConv：深度可分离卷积，没用到。
• class Conv：Conv2d+BN+SiLU，也可以不进行BN操作。
• class StemBlock：替代Focus的模块，注意每个卷积核的大小和输出尺度。
• class Bottleneck：两次卷积+一次残差连接
• class BottleneckCSP：有多少个n就会有多少个Bottleneck，外层用的激活函数是Leaky_ReLU(0.1)。
  一个分支做一次CBS(1x1)，再做n次Bottleneck，再进行一次Conv2d(1x1)；
  另一个分支做一次Conv2d(1x1)；
  两个分支concat+BN+leakyRelu+CBS(1x1)。
• class C3：论文里面的C3的图是错误的，图里面的浅绿色方块是做一次Conv2d，实际上C3没有进行Conv2d，而是全部用的CBS，也可能是我没看到更深层的代码。
  一个分支做CBS，做n次Bottleneck；
  另一个分支做CBS；
  两个分支concat以后做一次CBS。
• class ShuffleV2Block：轻量化网络结构模块ShuffleV2Block，我没有对这个部分深入理解，后续用到再更新。
• class SPP：SPP模块。
• class Focus：Focus模块。
• class Contract：收缩模块：调整张量的大小，将宽高收缩到通道中。
• class Expand：扩张模块，将特征图像素变大，例如：x(1,64,80,80) to x(1,16,160,160)。
• class Concat：自定义concat模块，dimension就是维度值，说明沿着哪一个维度进行拼接。
• class NMS ：非极大值抑制模块。
• class autoShape：自动调整shape值：因为输入图像可能来自不同的地方和格式，例如filename，URI，numpy等，autoShape模块就是将这些数据进行预处理和调整。
• class Detections：看名字是做检测，但是好像没用到这个模块。
• class Classify：二级分类模块，人脸检测没用到。

utils

• aws/goolge_app_engine/wandb_logging/google_utils.py 谷歌云和自动驾驶相关的东西，没啥用
• activation.py 激活函数代码
• autoanchor.py 自动计算先验框代码
• datasets.py yolov5用来生成训练用数据的代码，yolo5face没用这个
• face_datasets.py dataset和dataloader定义代码，只能读图片
• general.py 设置一些通用的代码，如日志文件，随机数，获取最后一个权重文件等等
• loss.py 损失函数相关代码
• metrics.py 模型验证度量，计算ap,p,r等
• plotting utils.py 画图工具
• torch_utils pytorch工具，初始化随机数种子，git描述等

一些问题

1. 有问题可以先去github官网源码那里看看，想在CSDN找答案实在是太难了。
2. 官网的yolo5-face.pt预训练权重加入到模型中进行训练是会报错的，用yolov5官方的5.0的权重作为预训练权重就可以了。
3. 验证检测精度的wider_val.txt文件链接：wider_val.txt

最后

参考文章

https://zhuanlan.zhihu.com/p/375966269
https://blog.csdn.net/john_bh/article/details/106302026