retinaface人脸检测在fddb数据集上的测试

最新推荐文章于 2025-03-01 21:03:50 发布

诗大人

最新推荐文章于 2025-03-01 21:03:50 发布

阅读量1.4k

点赞数

本文链接：https://blog.youkuaiyun.com/u010205128/article/details/105361037

版权

这两天测试了retinaface在fddb数据集上的表现，记录一下。虽然说本文记录的retinaface的表现，但是适用于所有人脸检测算法，只需要将检测结果保留为fddb的格式就可以了。

第一步：检测结果保存

首先将retianface官方代码进行修改，按照fddb的需求将检测结果保存。因为mxnet框架的原因，在测试过程中一旦输入尺度变化，就会重新选择最优的CUDNN，这个问题我没有解决。为了保持输入图像尺度一直，fdbb的图像我统一设置为了450x450（450是FDDB数据集上图所有图像最长边），图像大小不满足的就通过copyMakeBorder补全。然后将检测结果保存下来。这里代码我就放一些关键点，其他的可以对照retianface的官网代码修改就行了。

def get_boxes(image_path,detector,modelname)://获取检测结果
    global imgid
    im = cv2.imread(image_path)
    im = cv2.copyMakeBorder(im, 0, 450 - im.shape[0], 0, 450 - im.shape[1], borderType=cv2.BORDER_CONSTANT)
    faces, landmarks = detector.detect(im, threshold=args.thresh)
    return faces
detector = RetinaFace(args.prefix, args.epoch, args.gpu, network=args.network)//网络初始化
with open(os.path.join(args.save_folder, modelname + '_dets.txt'), 'w') as fw://检测过程