06、在widerface数据集上训练基于yolov3-tiny的人脸检测模型及...

东方耀

06、在widerface数据集上训练基于yolov3-tiny的人脸检测模型及其性能比较




darknet环境搭建参考：http://www.ai111.vip/thread-968-1-1.html


想让模型缩小  使用yolov3-tiny.cfg网络结构


在预训练darknet53.conv.74模型下进行迁移学习
18点31分 开始训练   21点:34分结束 GPU上训练了3个小时
./darknet detector train cfg/tiny-widerface.data cfg/yolov3-tiny-widerface.cfg backup/darknet53.conv.74


数据配置文件tiny-widerface.data的内容：
classes= 1
train  = /home/dfy888/py2_yolov3_darknet_works/darknet_AlexeyAB_face/dfy_python/2020_train_widerface.txt
valid  = /home/dfy888/py2_yolov3_darknet_works/darknet_AlexeyAB_face/dfy_python/2020_test_widerface.txt
names = /home/dfy888/py2_yolov3_darknet_works/darknet_AlexeyAB_face/data/face.names
backup = backup_widerface_tiny


模型文件yolov3-tiny-widerface_8000.weights大小为：34.7M


# 测试图片
# ./darknet detector test cfg/tiny-widerface.data cfg/yolov3-tiny-widerface-test.cfg backup_widerface_tiny/yolov3-tiny-widerface_8000.weights testfiles/img01.jpg


# 测试视频：要搞个好视频来？ 发现fps=33左右
# ./darknet detector demo cfg/tiny-widerface.data cfg/yolov3-tiny-widerface-test.cfg backup_widerface_tiny/yolov3-tiny-widerface_8000.weights testfiles/20.mp4


# 计算mAP：
# ./darknet detector valid cfg/tiny-widerface.data cfg/yolov3-tiny-widerface-test.cfg backup_widerface_tiny/yolov3-tiny-widerface_8000.weights
之后会在results目录下生成txt文件，下一步需要用到
然后执行：
# python reval_voc.py --voc_dir /home/dfy888/DataSets/VOCdevkit_widerface_dfy --year 2020 --image_set test --classes /home/dfy888/py2_yolov3_darknet_works/darknet_AlexeyAB_face/data/face.names results
注意 清缓存
Saving cached annotations to /home/dfy888/DataSets/VOCdevkit_widerface_dfy/annotations_cache/annots.pkl
AP for face = 0.4263
Mean AP = 0.4263
~~~~~~~~
Results:
0.426
0.426
~~~~~~~~




TODO：人脸检测的其他方法：
1、Dlib库
2、MTCNN
3、OpenCV 人脸特征法
等


需要比较一下，他们各自的mAP值，在相同的测试数据集下，这里必须深入一下Darknet的底层C代码  后续再深入吧