zeusees / Faceboxes

Faceboxes 完整复现

• 经作者同意，我们更新了完整复现 @lippman1125
• 原始不需要修改caffe版本参见，该版本没有做稠密化。
• 更新了一版人脸识别windows demo, 链接: https://pan.baidu.com/s/1rKgUWtj3AIfHqjn_yARQHg 密码: xksi

1. CAFFE安装：

Makefile.config已经修改了好了，使用GPU的方式
所以直接使用下面的命令编译：

    make -j8            
    # Make sure to include $CAFFE_ROOT/python to your PYTHONPATH. 
    make pycaffe        
    make test -j8       
    # (Optional)        
    make runtest -j8    

2. 数据处理：

(1) 利用脚本wider_face_2_voc.py脚本把wider_face数据转换成VOC格式。并遮盖掉小于20x20的人脸。
脚本的位置在：

(2) 在wider_face_2_voc.py的同一级目录中创建wider_face文件夹，放解压好下载的wider数据，如图：

(3) 运行wider_face_2_voc.py脚本，在wider_face文件夹中会生成VOC格式的数据，如图：

(4) 生成的图片会把小于20x20的人脸用图像均值覆盖掉，因为太小的人脸，训练时不容易收敛，如图：

(5) 利用data/FACE文件中的脚本，把VOC格式转换成LMDB格式，如图：

在caffe/data目录下创建faces_database文件夹，拷贝wider_face文件夹(前面生成的VOC格式数据)，layout如图：

cd caffe
\# Create the trainval.txt, test.txt, and test_name_size.txt in data/FACE/                
./data/FACE/create_list.sh                                                                
\# You can modify the parameters in create_data.sh if needed.                             
\# It will create lmdb files for trainval and test with encoded original image:           
\#   data/faces_database/FACE/lmdb/FACE_trainval_lmdb                                     
\#   data/faces_database/FACE/lmdb/FACE_test_lmdb                                         
\# and make soft links at examples/FACE/                                                  
./data/FACE/create_data.sh                                                                

3. 训练：

训练需要的参数文件和网络文件位置如图：

运行以下命令开始训练：
./build/tools/caffe train --solver examples/faceboxes/solver.prototxt

4. 测评：

测评脚本以及模型文件位置如图：

FDDB上的测评结果(discontinuous)如图：

论文中的结果：

效果图：

5. 参考：

参考的仓库：https://github.com/lsy17096535/faceboxes

6. 优化：

train.prototxt支持Anchor densification strategy