戴眼镜检测和识别2:Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)
Posted AI吃大瓜
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了戴眼镜检测和识别2:Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)相关的知识,希望对你有一定的参考价值。
Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)
目录
Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)
这是项目《戴眼镜检测和识别》系列之《Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)》;项目基于深度学习框架Pytorch开发一个高精度,可实时的戴眼镜检测和识别算法( Eyeglasses Detection and recognition);项目源码支持模型有resnet18,resnet34,resnet50, mobilenet_v2以及googlenet等常见的深度学习模型,用户可自定义进行训练;准确率还挺高的,采用轻量级mobilenet_v2模型的戴眼镜检测和识别准确率也可以高达98.6217%左右,满足业务性能需求。
模型 | input size | Test准确率 |
mobilenet_v2 | 112×112 | 98.6217% |
googlenet | 112×112 | 98.7643% |
resnet18 | 112×112 | 98.8118% |
先展示一下,Python版本的戴眼镜检测和识别Demo效果(其中绿色框表示佩戴了眼镜,蓝色框表示未佩戴眼镜):
【尊重原创,转载请注明出处】 https://blog.csdn.net/guyuealian/article/details/129263640
更多项目《戴眼镜检测和识别》系列文章请参考:
- 戴眼镜检测和识别1:戴眼镜检测数据集(含下载链接): https://blog.csdn.net/guyuealian/article/details/129263537
- 戴眼镜检测和识别2:Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码):https://blog.csdn.net/guyuealian/article/details/129263640
- 戴眼镜检测和识别3:android实现戴眼镜检测和识别(含源码,可实时检测):https://blog.csdn.net/guyuealian/article/details/129263657
- 戴眼镜检测和识别4:C++实现戴眼镜检测和识别(含源码,可实时检测):https://blog.csdn.net/guyuealian/article/details/129263677
- 戴口罩人脸检测1:戴口罩人脸数据集:https://blog.csdn.net/guyuealian/article/details/125069926
- 戴口罩人脸检测2:Pytorch实现戴口罩人脸检测和戴口罩识别(含训练代码 戴口罩人脸数据集):https://blog.csdn.net/guyuealian/article/details/125428609
- 戴口罩人脸检测3:Android实现戴口罩人脸检测和戴口罩识别(附Android源码) :https://blog.csdn.net/guyuealian/article/details/128404379
- 安全帽检测1:佩戴安全帽数据集:https://blog.csdn.net/guyuealian/article/details/127331580
- 安全帽检测2:YOLOv5实现佩戴安全帽检测和识别(含佩戴安全帽数据集+训练代码):https://blog.csdn.net/guyuealian/article/details/127250780
- 安全帽检测3:Android实现佩戴安全帽检测和识别:https://blog.csdn.net/guyuealian/article/details/127345231
1.戴眼镜检测和识别方法
戴眼镜检测和识别方法有多种实现方案,这里采用最常规的方法:基于人脸检测+戴眼镜分类识别方法,即先采用通用的人脸检测模型,进行人脸检测,然后裁剪人脸区域,再训练一个戴眼镜分类器,对人脸是否戴眼镜进行分类识别(未戴眼镜和戴眼镜两个类别);
这样做的好处,是可以利用现有的人脸检测模型,而无需重新训练人脸检测模型,可减少人工标注成本低;而戴眼镜分类数据相对而言比较容易采集,分类模型可针对性进行优化。
2.戴眼镜数据集
项目已经收集了戴眼镜数据集(Eyeglasses-Dataset),总共约20000+张图片,分为eyeglasses-train训练集和eyeglasses-test测试集;其中训练集eyeglasses-train中,戴眼镜的人脸数据有10475张图片(标签为face-eyeglasses),不戴眼镜的人脸数据有12841张图片(标签为face);测试集eyeglasses-test戴眼镜和不戴眼镜的人脸数据各有1000张图片,共2000张图片。
所有数据都标注了人脸框,数据格式为VOC,其中戴眼镜的人脸框标注为face-eyeglasses,不戴眼镜的人脸框标注为face,该数据集可直接用于深度学习戴眼镜检测模型训练。为了方便分类模型训练,已经将eyeglasses-train和eyeglasses-test的人脸区域裁剪,并保存在crops目录中,该数据集可直接用于深度学习戴眼镜分类模型训练。
关于戴眼镜检测数据的使用说明请参考我的一篇博客:戴眼镜检测和识别1:戴眼镜检测数据集(含下载链接): https://blog.csdn.net/guyuealian/article/details/129263537
3.人脸检测模型
本项目人脸检测训练代码请参考:https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB
这是一个基于SSD改进且轻量化后人脸检测模型,很slim,整个模型仅仅1.7M左右,在普通Android手机都可以实时检测。人脸检测方法在网上有一大堆现成的方法可以使用,完全可以不局限我这个方法。
4.戴眼镜分类模型训练
准备好戴眼镜数据后,接下来就可以开始训练戴眼镜分类识别模型;项目模型支持resnet18,resnet34,resnet50, mobilenet_v2以及googlenet等常见的深度学习模型,考虑到后续我们需要将戴眼镜识别模型部署到Android平台中,因此项目选择计算量比较小的轻量化模型mobilenet_v2;如果不用端上部署,完全可以使用参数量更大的模型,如resnet50等模型。
(1)项目安装
整套工程项目基本结构如下:
.
├── classifier # 训练模型相关工具
├── configs # 训练配置文件
├── data # 训练数据
├── libs
│ ├── convert # 将模型转换为ONNX工具
│ ├── light_detector # 人脸检测
│ ├── detector.py # 人脸检测demo
│ └── README.md
├── demo.py # demo
├── README.md # 项目工程说明文档
├── requirements.txt # 项目相关依赖包
└── train.py # 训练文件
项目依赖python包请参考requirements.txt,使用pip安装即可:
numpy==1.16.3
matplotlib==3.1.0
Pillow==6.0.0
easydict==1.9
opencv-contrib-python==4.5.2.52
opencv-python==4.5.1.48
pandas==1.1.5
PyYAML==5.3.1
scikit-image==0.17.2
scikit-learn==0.24.0
scipy==1.5.4
seaborn==0.11.2
tensorboard==2.5.0
tensorboardX==2.1
torch==1.7.1+cu110
torchvision==0.8.2+cu110
tqdm==4.55.1
xmltodict==0.12.0
basetrainer
pybaseutils==0.6.5
项目安装教程请参考:项目开发使用教程和常见问题和解决方法
(2)准备数据
下载戴眼镜数据集eyeglasses-train和eyeglasses-tes,关于戴眼镜检测数据的使用说明请参考我的一篇博客:戴眼镜检测和识别1:戴眼镜检测数据集(含下载链接): https://blog.csdn.net/guyuealian/article/details/129263537
(3)戴眼镜分类模型训练(Pytorch)
项目在《Pytorch基础训练库Pytorch-Base-Trainer(支持模型剪枝 分布式训练)》基础上实现了戴眼镜和未戴眼镜二分类识别训练和测试,整套训练代码非常简单操作,用户只需要将相同类别的数据放在同一个目录下,并填写好对应的数据路径,即可开始训练了。
训练框架采用Pytorch,整套训练代码支持的内容主要有:
- 目前支持的backbone有:googlenet,resnet[18,34,50], ,mobilenet_v2等, 其他backbone可以自定义添加
- 训练参数可以通过(configs/config.yaml)配置文件进行设置
训练参数说明如下:
# 训练数据集,可支持多个数据集
train_data:
- 'path/to/dataset/eyeglasses-train/face/crops'
- 'path/to//dataset/eyeglasses-train/face-eyeglasses/crops'
# 测试数据集
test_data:
- 'path/to/dataset/eyeglasses-test/face/crops'
- 'path/to/dataset/eyeglasses-test/face-eyeglasses/crops'
# 类别文件
class_name: 'data/class_name.txt'
train_transform: "train" # 训练使用的数据增强方法
test_transform: "val" # 测试使用的数据增强方法
work_dir: "work_space/" # 保存输出模型的目录
net_type: "mobilenet_v2" # 骨干网络,支持:resnet18/50,mobilenet_v2,googlenet,inception_v3
width_mult: 1.0
input_size: [ 112,112 ] # 模型输入大小
rgb_mean: [ 0.5, 0.5, 0.5 ] # for normalize inputs to [-1, 1],Sequence of means for each channel.
rgb_std: [ 0.5, 0.5, 0.5 ] # for normalize,Sequence of standard deviations for each channel.
batch_size: 16
lr: 0.01 # 初始学习率
optim_type: "SGD" # 选择优化器,SGD,Adam
loss_type: "CrossEntropyLoss" # 选择损失函数:支持CrossEntropyLoss,LabelSmoothing
momentum: 0.9 # SGD momentum
num_epochs: 100 # 训练循环次数
num_warn_up: 3 # warn-up次数
num_workers: 4 # 加载数据工作进程数
weight_decay: 0.0005 # weight_decay,默认5e-4
scheduler: "multi-step" # 学习率调整策略
milestones: [ 20,50,80 ] # 下调学习率方式
gpu_id: [ 0 ] # GPU ID
log_freq: 50 # LOG打印频率
progress: True # 是否显示进度条
pretrained: True # 是否使用pretrained模型
finetune: False # 是否进行finetune
开始训练,在终端输入:
python train.py -c configs/config.yaml
训练完成后,训练集的Accuracy在99%以上,测试集的Accuracy在98%左右
(4) 可视化训练过程
训练过程可视化工具是使用Tensorboard,在终端输入命令:
# 基本方法
tensorboard --logdir=path/to/log/
# 例如
tensorboard --logdir=work_space/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/log
可视化效果
(5) 戴眼镜识别效果
训练完成后,训练集的Accuracy在99%以上,测试集的Accuracy在98%以上,下表给出已经训练好的三个模型,其中mobilenet_v2的准确率可以达到98.6217%,googlenet的准确率可以达到98.7643%,resnet18的准确率可以达到98.8118%
模型 | input size | Test准确率 |
mobilenet_v2 | 112×112 | 98.6217% |
googlenet | 112×112 | 98.7643% |
resnet18 | 112×112 | 98.8118% |
-
测试图片文件
# 测试图片(Linux)
image_dir='data/test_image' # 测试图片的目录
model_file="data/pretrained/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/model/latest_model_099_98.4316.pth" # 模型文件
out_dir="output/" # 保存检测结果
python demo.py --image_dir $image_dir --model_file $model_file --out_dir $out_dir
Windows系统,请将$image_dir, $model_file ,$out_dir等变量代替为对应的变量值即可,如
# 测试图片(Windows)
python demo.py --image_dir 'data/test_image' --model_file "data/pretrained/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/model/latest_model_099_98.4316.pth" --out_dir "output/"
-
测试视频文件
# 测试视频文件(Linux)
video_file="data/video-test.mp4" # 测试视频文件,如*.mp4,*.avi等
model_file="data/pretrained/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/model/latest_model_099_98.4316.pth" # 模型文件
out_dir="output/" # 保存检测结果
python demo.py --video_file $video_file --model_file $model_file --out_dir $out_dir
-
测试摄像头
# 测试摄像头(Linux)
video_file=0 # 测试摄像头ID
model_file="data/pretrained/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/model/latest_model_099_98.4316.pth" # 模型文件
out_dir="output/" # 保存检测结果
python demo.py --video_file $video_file --model_file $model_file --out_dir $out_dir
戴眼镜检测和识别效果展示(其中绿色框表示佩戴了眼镜,蓝色框表示未佩戴眼镜)
(6) 一些优化建议
如果想进一步提高模型的性能,可以尝试:
- 清洗数据集(最重要):戴眼镜原始数据部分数据是通过网上爬取的,存在部分错误的图片,尽管鄙人已经清洗一部分了,但还是建议你,训练前,再次清洗数据集,不然会影响模型的识别的准确率。
- 增加训练的样本数据: 建议根据自己的业务场景,采集相关数据,提高模型泛化能力
- 使用参数量更大的模型: 本教程使用的是mobilenet_v2模型,属于比较轻量级的分类模型,采用更大的模型(如resnet50),理论上其精度更高,但推理速度也较慢。
- 尝试不同数据增强的组合进行训练
- 增加数据增强: 已经支持: 随机裁剪,随机翻转,随机旋转,颜色变换等数据增强方式,可以尝试诸如mixup,CutMix等更复杂的数据增强方式
- 样本均衡: 建议进行样本均衡处理
- 调超参: 比如学习率调整策略,优化器(SGD,Adam等)
- 损失函数: 目前训练代码已经支持:交叉熵,LabelSmoothing,可以尝试FocalLoss等损失函数
(7) 一些运行错误处理方法
-
cannot import name 'load_state_dict_from_url'
由于一些版本升级,会导致部分接口函数不能使用,请确保版本对应
torch==1.7.1
torchvision==0.8.2
或者将对应python文件将
from torchvision.models.resnet import model_urls, load_state_dict_from_url
修改为:
from torch.hub import load_state_dict_from_url
model_urls =
'mobilenet_v2': 'https://download.pytorch.org/models/mobilenet_v2-b0353104.pth',
'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth',
'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth',
'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth',
'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth',
'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth',
'resnext50_32x4d': 'https://download.pytorch.org/models/resnext50_32x4d-7cdf4587.pth',
'resnext101_32x8d': 'https://download.pytorch.org/models/resnext101_32x8d-8ba56ff5.pth',
'wide_resnet50_2': 'https://download.pytorch.org/models/wide_resnet50_2-95faca4d.pth',
'wide_resnet101_2': 'https://download.pytorch.org/models/wide_resnet101_2-32ee1156.pth',
5.项目源码下载(Python版)
项目源码下载地址:Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)
整套项目源码内容包含:
- 提供戴眼镜数据集:训练集eyeglasses-train中,戴眼镜的人脸数据有10475张图片(标签为face-eyeglasses),不戴眼镜的人脸数据有12841张图片(标签为face),测试集eyeglasses-test戴眼镜和不戴眼镜的人脸数据各有1000张图片,共2000张图片。
- 提供戴眼镜分类识别训练代码:train.py
- 提供戴眼镜分类识别测试代码:demo.py
- Demo支持图片,视频和摄像头测试
- 项目支持模型:resnet18,resnet34,resnet50, mobilenet_v2以及googlenet等常见的深度学习模型
- 项目源码自带训练好的模型文件,可直接运行测试: python demo.py
- 在普通电脑CPU/GPU上可以实时检测和识别
6.项目源码下载(Android版)
目前已经实现Android版本的戴眼镜检测和识别,详细项目请参考:戴眼镜检测和识别3:Android实现戴眼镜检测和识别(含源码,可实时检测):https://blog.csdn.net/guyuealian/article/details/129263657
Android戴眼镜检测和识别APP Demo体验:https://download.csdn.net/download/guyuealian/87524194
以上是关于戴眼镜检测和识别2:Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)的主要内容,如果未能解决你的问题,请参考以下文章
Android实现戴口罩人脸检测和戴口罩识别(附Android源码)
Android实现戴口罩人脸检测和戴口罩识别(附Android源码)