用Ultra-Light-Fast-Generic-Face-Detector-1MB寻找人眼

超轻量级人脸检测模型与数据处理

原创

已于 2022-08-29 16:26:25 修改 · 1k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python #深度学习

于 2021-01-22 11:36:35 首次发布

用户Linzaer发布了一款仅1MB大小的超轻量级人脸检测模型，适用于边缘计算和移动端。该模型在320x240分辨率下计算量仅为90MFlops。文章介绍了如何将FDDB数据集转换为模型所需的VOC格式，通过TengineKit获取关键点信息，然后利用Python代码生成符合YOLO格式的标注文件，并处理了可能导致训练时loss为nan的问题。

1 Ultra-Light-Fast-Generic-Face-Detector-1MB简介

用户 Linzaer 在 Github 上推出了一款适用于边缘计算设备、移动端设备以及 PC 的超轻量级通用人脸检测模型，该模型文件大小仅 1MB，320x240 输入下计算量仅 90MFlops。项目推出不久即引起了大家的关注，登上了今天的 Github trending。
github地址：https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB

2 生成自己需要的label

因为Ultra-face需要使用 voc的数据格式，所以我这里是使用的yolo的数据集格式转变为voc的格式。
我这里用的是FDDB数据集，因为FDDB数据集没有标签我们要生成人眼的标签。首先使用
https://github.com/OAID/TengineKit/tree/master/Linux/sample/FaceDemo
TenginekIT 是定位人脸221个关键点输出txt文档
TengineKIT结果
然后根据212人脸关键点中人眼的关键点定位眼睛的中心位置和w，h。生成yolo的数据格式
finame label x_c Y_c w h
代码段

f = open("test.txt")  # 返回一个文件对象
lines = f.readlines()
for i in range(1,16909,2):
    line = lines[i]
    arr = line.split(',')
    x = int(arr[252]) + int(arr[236])
    y = int(arr[253]) + int(arr[237])
    w = int(arr[236])-int(arr[252])
    h = int(arr[260])-int(arr[244])
    x=x/2
    y=y/2
    w=w/2*6
    h=h/2*8
    #挑选出图片中眼睛较小的图片
    if w < 10:
        t = lines[i - 1]
        newname = line.replace(line, t)
        newfile = open("1.txt", 'a')
        newfile.write(newname)
        newfile.close()
    if

最低0.47元/天解锁文章