bubbliiiing / facenet-retinaface-pytorch Goto Github PK

这是一个利用facenet和retinaface实现人脸识别的库，可以进行在线的人脸识别。

License: MIT License

Python 100.00%

facenet-retinaface-pytorch's Introduction

Facenet+Retinaface：人脸识别模型在Pytorch当中的实现

注意事项

该库中包含了两个网络，分别是retinaface和facenet。二者使用不同的权值。
在使用网络时一定要注意权值的选择，以及主干与权值的匹配。
retinaface人脸检测仓库为，可以训练也可以预测：https://github.com/bubbliiiing/retinaface-pytorch
facenet人脸识别仓库为，可以训练也可以预测：https://github.com/bubbliiiing/facenet-pytorch

所需环境

pytorch==1.2.0

文件下载

预测所需的权值文件可以在百度云下载。
链接: https://pan.baidu.com/s/1iTo4_x0DHg0GoTUQWduMZw 提取码: dmw6

预测步骤

本项目自带主干为mobilenet的retinaface模型与facenet模型。可以直接运行，如果想要使用主干为resnet50的retinafa和主干为inception_resnetv1的facenet模型需要。
在retinaface.py文件里面，在如下部分修改model_path和backbone使其对应训练好的文件。

_defaults = {
    "retinaface_model_path" : 'model_data/Retinaface_mobilenet0.25.pth',
    #-----------------------------------#
    #   可选retinaface_backbone有
    #   mobilenet和resnet50
    #-----------------------------------#
    "retinaface_backbone"   : "mobilenet",
    "confidence"            : 0.5,
    "iou"                   : 0.3,
    #----------------------------------------------------------------------#
    #   是否需要进行图像大小限制。
    #   输入图像大小会大幅度地影响FPS，想加快检测速度可以减少input_shape。
    #   开启后，会将输入图像的大小限制为input_shape。否则使用原图进行预测。
    #   会导致检测结果偏差，主干为resnet50不存在此问题。
    #   可根据输入图像的大小自行调整input_shape，注意为32的倍数，如[640, 640, 3]
    #----------------------------------------------------------------------#
    "retinaface_input_shape": [640, 640, 3],
    #-----------------------------------#
    #   是否需要进行图像大小限制
    #-----------------------------------#
    "letterbox_image"       : True,
    
    "facenet_model_path"    : 'facenet_inception_resnetv1.pth',
    #-----------------------------------#
    #   可选facenet_backbone有
    #   mobilenet和inception_resnetv1
    #-----------------------------------#
    "facenet_backbone"      : "inception_resnetv1",
    "facenet_input_shape"   : [160,160,3],
    "facenet_threhold"      : 0.9,

    "cuda"                  : True
}

运行encoding.py，对face_dataset里面的图片进行编码，face_dataset的命名规则为XXX_1.jpg、XXX_2.jpg。最终在model_data文件夹下生成对应的数据库人脸编码数据文件。
运行predict.py，输入下述文字，可直接预测。

img/zhangxueyou.jpg

在predict.py里面进行设置可以进行fps测试和video视频检测。

Reference

https://github.com/biubug6/Pytorch_Retinaface

facenet-retinaface-pytorch's People

Contributors

Stargazers

Watchers

facenet-retinaface-pytorch's Issues

运行encoding.py和predict.py时报ModuleNotFoundError: No module named 'utils.anchors'为啥啊

(-215:Assertion failed) src.cols > 0 && src.rows > 0 in function 'warpAffine'

使用自己的数据集，运行python encoding.py报错。
new_img = cv2.warpAffine(img,RotationMatrix,(img.shape[1],img.shape[0]))
cv2.error: OpenCV(4.4.0) /home/ycc/opencv-4.4.0/modules/imgproc/src/imgwarp.cpp:2594: error: (-215:Assertion failed) src.cols > 0 && src.rows > 0 in function 'warpAffine'
请问是什么原因呢？

encoding.py

Ubuntu 18.04.6
报错
Traceback (most recent call last):
File "encoding.py", line 8, in
retinaface = Retinaface(1)
File "/home/maxl/facenet-retinaface-pytorch-main/retinaface.py", line 122, in init
self.generate()
File "/home/maxl/facenet-retinaface-pytorch-main/retinaface.py", line 142, in generate
state_dict = torch.load(self.retinaface_model_path, map_location=torch.device('cpu'))
File "/home/maxl/anaconda3/envs/face_ret/lib/python3.7/site-packages/torch/serialization.py", line 386, in load
return _load(f, map_location, pickle_module, **pickle_load_args)
File "/home/maxl/anaconda3/envs/face_ret/lib/python3.7/site-packages/torch/serialization.py", line 573, in _load
result = unpickler.load()
TypeError: argument list must be a tuple
是什么问题？