基于神经网络的人脸检测

机器学习 实验

You can click here to get the version in English.

实验目的

1. 理解和掌握基于神经网络的人脸检测方法的理论基础知识。
2. 理解MTCNN人脸检测的基本流程，并加以实践。

训练数据集

为了训练PNet和RNet，将WiderFace用于人脸分类和人脸边界框回归；为了训练ONet，将WiderFace用于人脸分类和人脸边界框回归，使用Training Dataset用于人脸特征点回归。

实验环境

anaconda3
pytorch 0.4.1
torchvision
opencv-python
tensorflow(python 3.4,3.5,3.6)

实验时间及地点

2018年11月24日 上午8:50-12:15 B7-138(谭明奎老师) B7-238（吴庆耀老师）

提交截止时间

2018年12月29日 中午12:00

实验形式

团队协作完成

实验步骤

1.阅读MTCNN的论文
2.获取并运行人脸识别实验代码
1）获取代码
实验完整代码已给出mtcnn_pytorch，可直接下载或是通过git clone命令下载。

git clone https://github.com/wujiaju/mtcnn_pytorch.git

2）实验环境安装
1. 确保本机或是服务器已安装好anaconda3环境；
2. pip或conda安装pytorch 0.4.1 和 torchvision环境；
3. pip或conda安装opencv-python环境。

pip install http://download.pytorch.org/whl/cpu/torch-0.4.1-cp36-cp36m-win_amd64.whl     # Windows
pip install http://download.pytorch.org/whl/cpu/torch-0.4.1-cp36-cp36m-linux_x86_64.whl  # Linux
pip install torchvision
pip install opencv-python

3）简单测试给定模型
直接使用我们训练好的网络模型在给定的测试数据集(位于mtcnn_pytorch/data/test_images/目录下,共64张测试图片)，运行以下命令，即可在mtcnn_pytorch/data/you_result/目录下查看检测结果。

cd mtcnn_pytorch/
python test_image.py

4）训练
注意：在训练过程中，检查训练数据集路径是否与你本机或服务器存放路径一致，若不一致，则需修改相关文件代码。
1.训练PNet网络

cd mtcnn_pytorch
python preprocessing/gen_pnet_data.py
python preprocessing/assemble_pnet_imglist.py
python training/pnet/train.py

2.训练RNet网络

cd mtcnn_pytorch
python preprocessing/gen_rnet_data.py
python preprocessing/assemble_rnet_imglist.py
python training/rnet/train.py

3.训练ONet网络

cd mtcnn_pytorch
python preprocessing/gen_landmark_48.py
python preprocessing/gen_onet_data.py
python preprocessing/assemble_onet_imglist.py
python training/onet/train.py

训练完成，即可在mtcnn_pytorch/results/目录下得到三个训练好的网络模型。

5）简单测试自己训练好的模型
在给定的测试数据集(位于mtcnn_pytorch/data/test_images/目录下,共64张测试图片)简单测试自己训练好的网络模型，运行以下命令，即可在mtcnn_pytorch/data/you_result/目录下查看检测结果。

cd mtcnn_pytorch/
python test_youModel_images.py

注意：检查test_youModel_images.py中的模型路径是否与你训练好的模型路径一致，若不一致，则修改路径。整理实验结果并完成实验报告（实验报告模板将包含在示例仓库中）。

实验报告

实验报告应包括对MTCNN这篇论文的理解和代码运行两个部分

评分标准

提交方式

提交流程

1. 访问222.201.187.50:7001
2. 点击对应的提交入口
3. 填写自己的姓名、学号，上传pdf格式的报告和zip格式的代码压缩包

注意事项

• 实验报告和代码可以多次上传，多次上传会覆盖之前提交的文件。
• 上传之后可以刷新页面，在下面的文件列表里面检查是否上传成功。
• 助教会在实验截止时间保存所有上传的结果，截止时间之后上传的文件无效。
• 如果用Word编写实验报告，需导出成pdf格式。
• 代码文件打包格式必须为zip，请不要提交rar格式的压缩文件。
• 提交网址只能校园网访问。
• 代码用python语言写，实验报告评分标准英文好于中文，latex好于word。

有任何的意见或者建议都可以直接在qq群中向助教反映。