【人脸检测】 Tinaface复现（数据集准备、测试与评估）

最新推荐文章于 2024-09-12 06:57:25 发布
置顶 最新推荐文章于 2024-09-12 06:57:25 发布
阅读量2.5k 收藏 18
点赞数 2
分类专栏： 人脸算法 目标检测 文章标签： 人脸检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_35975447/article/details/110430390
版权
本文档详细介绍了如何复现Tinaface人脸检测模型，包括环境配置、模型和数据准备，以及测试与评估过程。首先，介绍了安装对应Python库和获取模型的步骤。接着，详细讲解了数据集的下载、解压和XML文件的处理。在测试阶段，说明了生成txt文件的目录，并提供了评估所用代码的来源和修改。最后，展示了初步的评估结果，证实了模型的准确性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

了解本专栏 订阅专栏 解锁全文 超级会员免费看
人脸检测state-of-the-art
yang_daxia的博客
07-12 655
Poly-NL基于non-local blocks TinaFace、RetinaFace、AInnoFace都可以看出基于retinanet。
tinaface_r50_fpn_widerface.pth
02-25
权重文件：tinaface_r50_fpn_widerface.pth
TinaFace完整复现及其搭建自己的网络模型
weixin_44777827的博客
03-26 2138
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
TinaFace: Strong but Simple Baseline for Face Detection论文笔记
zengwb的博客
12-15 1736
Face系列文章目录 文章目录Face系列文章目录前言一、Abstract1.Introduction2.Related Work3. TinaFace3.1. Deformable Convolution Networks3.2. Inception Module3.3. IoU-aware Branch3.4. Distance-IoU Loss4. Experiments4.1. Dataset4.2. Implementation Details4.3. Evaluation on WIDER FA
TinaFace.pdf
05-20
TinaFace论文
人脸检测--TinaFace
gs344937933的专栏
05-23 1280
TinaFace论文TinaFace: Strong but Simple Baseline for Face Detection。 官方代码：https://github.com/Media-Smart/vedadet/tree/main/configs/trainval/tinaface TinaFace 该模型基于RetinaNet，相比RetinaNet只做了很小的改动： 将BN换成GN； 加了一个IoU预测分支； 在backbone上嵌入了DCNv1； 将框回归的loss从smooth
TinaFace：人脸检测新纪录！
我爱计算机视觉
11-27 2079
本文转载自知乎，作者来自媒智科技，介绍了其今天刚刚开源的人脸检测工程TinaFace，已获作者授权转载，请勿二次转载。https://zhuanlan.zhihu.com/p/31551...
TinaFace：人脸检测新纪录
weixin_47477271的博客
12-01 523
本文作者：mileistone（来自媒智科技） | 编辑：Amusi https://zhuanlan.zhihu.com/p/315511581 本文已由原作者授权，不得擅自二次转载 这几年人脸检测的benchmark越刷越高，方法也越来越复杂，提出的模块或者方法大都专门为人脸检测设计，不易复现和使用，比如DSFD里的FEM、PAL、IAM，ASFD里的AutoFEM、PAL、IAM、DRMC loss，HAMBox里的PA、OAM、RAL等等。 WIDER FACE验证集hard结果 WID
widerface_eval.zip
01-14
忘记是来自哪里了，应该是官方的吧，需要的可以下载。widerface评估的。
Finding Tiny Face
热门推荐
shuzfan的专栏
03-27 2万+
《Finding Tiny Face》小目标检测依然是检测领域的一个难题，原因大概有3个方面：目标本身尺度变化、图像分辨率以及环境因素。虽然很多方法都可以处理多尺度目标检测，但是检测一个3pixel大小的目标和一个500pixel大小的目标还是有本质不同的。
anime_face_detection_tinaface
03-19
介绍 以上视频的来源 该存储库基于和。 该模型由来自（火车6000，验证640）和用于从动漫视频中提取数据）进行训练。我们从以下动漫中提取数据。 姓名 季节 Mahouka Koukou no Rettousei 1个 刀剑神域 一二 正如我所料，我的青春浪漫喜剧错了 一二 Kaguya-sama：爱就是战争 1个 每个动漫季节，我们的管道可以提取大约3000张图像。我们将数据分割为训练的80％和验证的20％。有关我们的管道的详细信息，请参阅 执照 该项目是根据。 安装 要求 Linux Python 3.7以上 PyTorch 1.6.0或更高版本 CUDA 10.2或更高版本 我们已经测试了以下版本的操作系统和软件： 作业系统：Ubuntu 16.04.6 LTS CUDA：10.2 PyTorch 1.6.0 的Python 3.8.5 安装vedadet 一种。创建一个co
wider_face数据清洗
07-30
用来将wider_face的数据集的标签清洗，防止出现段错误，训练中断的问题
wider face data 在 faster rcnn 上的实践记录(caffe)
浩瀚之水的专栏
08-22 1529
按照githup上playerkk的工程进行实践，地址为：https://github.com/playerkk/face-py-faster-rcnn/blob/master/README.md 1.搭建faster rcnn 这个没什么好说的，参考rbg大神的官网即可，附上地址：https://github.com/rbgirshick/py-faster-rcnn 需要注意的是对于显卡
人脸检测算法代码python_百度人脸检测算法PyramidBox的一个TensorFlow实现
weixin_39608134的博客
12-15 172
PyramidBoxThis is an unofficial Tensorflow re-implementation of PyramidBox: A Context-assisted Single Shot Face Detector, which achieves superior performance among the state-of-the-art on the two comm...
TinaFace搭建环境训练Wider face数据集
weixin_48846747的博客
08-06 625
tinaface环境搭建和数据训练
【人脸检测】——YOLO5Face: Why Reinventing a Face Detector论文浅读
怡宝2号
04-30 1464
最近几年在使用卷积神经网络进行人脸检测方面取得了巨大的进展。尽管许多人脸检测器使用专门用于检测人脸的设计，但我们将人脸检测视为一般目标检测任务。我们基于YOLOv5目标检测器实现了一个人脸检测器，并称之为YOLO5Face。我们在其中添加了一个五点地标回归头并使用Wing损失函数。我们设计了不同模型大小的探测器，从大型模型以实现最佳性能，到超小型模型以在嵌入式或移动设备上实时检测。
【人脸检测】SCRFD：训练数据采样和计算分配策略结合的高效人脸检测方法
最新发布
qq_40734883的博客
09-12 1736
文中指出**训练数据采样和计算分配策略是实现高效准确人脸检测的关键**。受到这些观察的启发，引入了两种简单但有效的方法：(1) 样本再分配（SR），根据基准数据集的统计信息增加最需要阶段的训练样本；以及(2) 计算再分配（CR），根据精心定义搜索方法将计算重新分配到模型的backbone、neck部和head之间。在WIDER FACE数据集上进行的大量实验证明了所提出的SCRFD在各种计算范围内的最新效率-准确度权衡。特别地，SCRFD-34GF在VGA分辨率图像的GPU上比最佳竞争者TinaFace表现
TinaFace人脸检测新网络！刷新WIDER FACE纪录
阿木寺的博客
11-28 1477
作者：mileistone ​- 来自：媒智科技 https://zhuanlan.zhihu.com/p/315511581 这几年人脸检测的benchmark越刷越高，方法也越来越复杂，提出的模块或者方法大都专门为人脸检测设计，不易复现和使用，比如DSFD里的FEM、PAL、IAM，ASFD里的AutoFEM、PAL、IAM、DRMC loss，HAMBox里的PA、OAM、RAL等等。 WIDER FACE验证集hard结果 WIDER FACE测试集hard结果 鉴于此，我们设计了一个简单而.
Kaggle2017人脸检测数据集：详解与应用
### 知识点一：数据集概述 #### 人脸检测数据集...该数据集的使用涉及到数据格式的理解、数据预处理技术、机器学习和深度学习模型的开发与评估等关键技能，因此是深入了解计算机视觉领域中人脸检测技术的重要途径。
评论 31
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

聿默

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值