darknet_face_with_landmark

更新 torch版本：https://github.com/ouyanghuiyu/yolo-face-with-landmark

借鉴AlexeyAB大神的 darknet 做适量修改，用于人脸检测以及关键点检测,支持ncnn推理

实现的功能

• 添加关键点检测分支，使用wing loss
• 添加 hswish,hsigmode 激活函数

Installation

Clone and install

1. git clone https://github.com/ouyanghuiyu/darknet_face_with_landmark.git
2. 使用scripts/retinaface2yololandmark.py脚本将retinaface的标记文件转为yolo的格式使用
3. 其他编译训练都和原版darknet相同
4. 测试

    ./darknet detector test ./data/face.data  ./cfg/mbv2_yolov3_face.cfg  ./models/mbv2_yolov3_face_final.weights  ./test_imgs/input/selfie.jpg  -dont_show

或者使用yolo_landmark.py进行测试，更换里面的模型配置文件即可

精度

Widerface测试

• 在wider face val精度（单尺度输入分辨率：320*240）

方法	Easy	Medium	Hard
libfacedetection v1（caffe）	0.65	0.5	0.233
libfacedetection v2（caffe）	0.714	0.585	0.306
Retinaface-Mobilenet-0.25(Mxnet)	0.745	0.553	0.232
mbv2_yolov3_face(our)	0.84	0.79	0.41

• 在wider face val精度（单尺度输入分辨率：640*480）

方法	Easy	Medium	Hard
libfacedetection v1（caffe）	0.741	0.683	0.421
libfacedetection v2（caffe）	0.773	0.718	0.485
Retinaface-Mobilenet-0.25(Mxnet)	0.879	0.807	0.481
mbv2_yolov3_face(our)	0.866	0.848	0.718

ps: 测试的时候,长边为320 或者 640 ,图像等比例缩放,yolo未作缩放.

测试

References

• darknet