TinaFace完整复现及其搭建自己的网络模型

1. conda环境准备

首先，按照mmdetection操作步骤创建好虚拟环境，并安装好mmcv、mmdet等安装包

然后，下载TinaFace项目代码：

git clone https://github.com/Media-Smart/vedadet.git
cd vedadet
vedadet_root=${PWD}

最后，编译vedadet项目，执行：

pip install -r requirements/build.txt
pip install -v -e .

特别注意：如果在安装过程中出现问题，可以参考我之前讲的文章：
RuntimeError: Error compiling objects for extension 和nvcc fatal : Unsupported gpu architecture ‘c

RuntimeError: CUDA unknown error - this may be due to an incorrectly set up environment, e.g. changi

2. 数据集准备

2.1 WIDER FACE数据集下载可以去官方网站下载，但是下载速度很慢，可以从我分享的百度网盘中下载：WIDER FACE数据集百度云盘下载
2.2 下载好的数据集格式及其位置放置，可以参考我的文章：
mmdetection在wider face数据集上训练人脸检测网络
注意：mmdetection和vedadet中的格式变量的问题，按照vedadet中的要求的更改一下就好了

3. 模型的训练

vedadet项目中提供了两种模型，分别是：

tinaface_r50_fpn_bn.py
tinaface_r50_fpn_gn_dcn.py

单GPU训练：

CUDA_VISIBLE_DEVICES="0" python tools/trainval.py configs/trainval/tinaface/tinaface_r50_fpn_bn.py  --workdir {your save weights.pth directory}

多GPU分布式训练：

tools/dist_trainval.sh configs/trainval/tinaface/tinaface_r50_fpn_bn.py "0,1,2,3" --workdir {your save weights.pth directory}

上面中的–workdir当不指定值时，默认权重文件保存在./workdir/tinaface_r50_fpn_bn/文件下

4. 模型性能测试与评估

4.1 首先进入项目Python_RetinaFace中将widerface_evaluate目录下载到./tools/文件下，如下：

进入widerface_evaluate目录中，执行命令：

python3 setup.py build_ext --inplace

编辑项目后如下：

4.2 执行命令测试性能结果：

python configs/trainval/tinaface/test_widerface.py configs/trainval/tinaface/tinaface_r50_fpn_bn.py weight_path

将会在./eval_dirs/tmp/tinaface_r50_fpn_bn目录下生成预测结果文件

4.3 评估性能结果：
进入./tools/widerface_evaluate目录下，执行命令：

python evaluation.py

==================== Results ====================
Easy Val AP: 0.9557170745272141
Medium Val AP: 0.9511199313795495
Hard Val AP: 0.9168022451452875

TinaFace官网性能测试结果如下：

在medium任务和hard任务中，性能稍低于官方。

4.3 推理测试效果：
执行命令：

CUDA_VISIBLE_DEVICES="0" python tools/infer.py configs/infer/tinaface/tinaface_r50_fpn_bn.py image_path

注意：该推理过程中的执行的config文件与训练中的config文件有差异

5. 自己设计相关模型，训练测试结果

也可以借助该框架的优势，自己设计相关模型，并测试效果。

==================== Results ====================
Easy Val AP: 0.9661099059710743
Medium Val AP: 0.9600357116597251
Hard Val AP: 0.9329109491075581