@wujiaju
2021-11-21T07:46:12.000000Z
字数 1979
阅读 1308
2021 PostGraduate
You can click here to get the English version.
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。
anaconda3
pytorch 1.0.0
torchvision
opencv-python
tensorflow
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。
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、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。
考虑到同学们不一定有足够的GPU算力，因此所有模型大家只需要使用个人电脑的CPU或GPU启动训练、体会训练过程即可，不要求完成训练。
训练PNet网络 （不要求完成训练）
cd mtcnn_experimentpython preprocessing/gen_pnet_data.pypython preprocessing/assemble_pnet_imglist.pypython training/pnet/train.py
训练RNet网络 （不要求完成训练）
cd mtcnn_experimentpython preprocessing/gen_rnet_data.pypython preprocessing/assemble_rnet_imglist.pypython training/rnet/train.py
训练ONet网络 （不要求完成训练）
cd mtcnn_experimentpython preprocessing/gen_landmark_48.pypython preprocessing/gen_onet_data.pypython preprocessing/assemble_onet_imglist.pypython training/onet/train.py
提示： 如果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。
四、测试训练好的模型
使用你训练的模型或者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。
如果使用我们训练好的模型：
cd mtcnn_pytorch/
python test_image.py
如果使用你自己训练的模型（注意： 检查test_yourModel_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。）：
cd mtcnn_experiment/
python test_youModel_images.py
五、完成实验报告
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）。