实验4：基于神经网络的人脸检测

2020

实验目的

1. 理解和掌握基于神经网络的人脸检测和人脸识别算法的基础知识。
2. 理解MTCNN人脸检测的基本流程，并加以实践。

实验数据集介绍

一、MTCNN的所需数据集
1. 训练PNet和RNet两个子网络，将 WiderFace 数据集用于人脸检测和人脸边界框回归。
2. 训练ONet，将 FacePoint 的training set数据集用于人脸特征点回归。

实验环境

anaconda3
pytorch 1.0.0
torchvision
opencv-python
tensorflow

实验步骤

一、获取代码

实验完整代码已给出，可直接下载或是通过git clone命令下载。

git clone https://github.com/xiezheng-cs/mtcnn_pytorch.git

二、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 1.0.0 和 torchvision环境；（若已安装高版本pytorch，可先尝试使用已安装的pytorch进行实验，遇到版本兼容问题再尝试安装所要求pytorch版本）
3. pip或conda安装opencv-python环境。

conda install pytorch=1.0 #（若已安装pytorch，忽略该命令）
conda install torchvision
pip install opencv-python

三、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/your_result/目录下查看检测结果。

cd mtcnn_pytorch/
python test_image.py

四、训练
**注意： 在模型训练和测试过程中，检查训练数据集和测试模型路径是否与你本机或服务器存放路径一致，若不一致，则请自行修改相关文件代码。

1. 训练PNet网络 （选做）

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

2. 训练RNet网络 （选做）

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

3. 训练ONet网络 （选做）

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

   提示： PNet,RNet,ONet三个网络训练完成，即可在mtcnn_experiment/results/目录下得到三个训练好的网络模型。

4. 测试自己训练的模型 （选做）

   在给定的测试数据集(位于mtcnn_experiment/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_experiment/data/your_result/目录下查看检测结果。

   cd mtcnn_experiment/
   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）。

实验代码及报告提交方式

提交内容

• 代码及实验报告
• 实验报告需要按照模板编写，并导出成pdf文件（模板未必与本次实验内容完全契合，可适当修改模板章节）
• 代码及报告需要打包，命名格式为“实验4_班级_姓名_学号.zip”。例如：“实验4_软件1班_张三_201700000000.zip”
• 提交代码及实验报告时不要在压缩包中包含数据集
• 请于截止时间前发送包含实验3和实验4的代码及实验报告的压缩包到助教邮箱jiaju.wu@qq.com，邮件命名为“实验3、4_班级_姓名_学号”

提交时间

• 2020年11月30日中午12:00截止，请于截止时间前发送包含实验3和实验4的代码及实验报告的压缩包到助教邮箱jiaju.wu@qq.com。

评分标准

注意事项

• 实验报告需按时提交，非特殊情况逾期补交无效
• 代码强烈推荐用python语言写，但使用其它编程语言也是允许的
• 实验报告使用中英文均可；LaTex、Word均可（如果用Word编写实验报告，需导出成pdf格式）