LibFaceDetection 训练程序指南

LibFaceDetection 训练程序指南

libfacedetection.trainThe training program for libfacedetection for face detection and 5-landmark detection.项目地址:https://gitcode.com/gh_mirrors/li/libfacedetection.train

1. 项目目录结构及介绍

LibFaceDetection 的训练程序目录结构如下：

libfacedetection.train/
├── wider_face_split/          # WIDER Face数据集的划分文件
│   ├── WIDER_test/
│   ├── WIDER_train/
│   ├── WIDER_val/
└── labelv2/                  # SCRFD数据集标签
    ├── train/
    │   └── labelv2.txt       # 训练集标签文件
    └── val/
        ├── gt/              # 测试集 ground truth 目录
        └── labelv2.txt       # 验证集标签文件

这些文件夹包含了用于训练和验证模型的数据集。wider_face_split 包含了从 WIDER Face 数据集中分割出的训练、测试和验证集子集。labelv2 文件夹则包含 SCRFD 数据集的标签。

2. 项目的启动文件介绍

主要的训练脚本位于 tools 目录下：

• dist_train.sh: 分布式训练脚本，通过设置 CUDA_VISIBLE_DEVICES 和指定配置文件路径进行多GPU训练。
• detect_image.py: 图像检测脚本，用于在单个图像上运行检测模型并可视化结果。
• test_widerface.py: WIDER Face 测试脚本，用于评估模型在 WIDER Face 数据集上的性能。

你可以通过以下命令行调用它们，例如：

CUDA_VISIBLE_DEVICES=0 1 bash tools/dist_train.sh /configs/yunet_n.py 2 12345  # 开始训练
python tools/detect_image.py /configs/yunet_n.py /weights/yunet_n.pth /path/to/image.jpg  # 图像检测
python tools/test_widerface.py /configs/yunet_n.py /weights/yunet_n.pth --mode 2  # WIDER Face 测试

3. 项目的配置文件介绍

配置文件如 yunet_n.py 是基于 PyTorch 的模型参数配置。这些文件定义了网络架构、优化器设置、学习率策略和其他训练相关的参数。例如，它可能包含如下内容：

model = dict(
    type=' Yunet',
    pretrained=None,
    backbone=dict(
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(1, ),
        frozen_stages=1,
        norm_cfg=dict(type='BN', requires_grad=False),
        style='pytorch'),
    neck=dict(type='FPN', in_channels=[256]),
    head=dict(
        type='YunetHead',
        num_classes=2,
        stacked_convs=4,
        in_channels=256,
        feat_channels=256))
optimizer = dict(type='SGD', lr=0.001, momentum=0.9, weight_decay=0.0001)
optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))
# learning policy
lr_config = dict(policy='step', step=[8, 11])
runner = dict(type='EpochBasedRunner', max_epochs=12)

在此配置中，模型结构、优化器和训练计划都已被详细定义。你可以根据你的需求修改这些参数以调整模型的训练过程。

以上就是 LibFaceDetection 训练程序的基本结构和关键组件的介绍，希望对你理解和使用该项目有所帮助。在实际操作中，请确保已经正确安装了所有依赖项并准备好了相应的数据集。

libfacedetection.trainThe training program for libfacedetection for face detection and 5-landmark detection.项目地址:https://gitcode.com/gh_mirrors/li/libfacedetection.train