代码拉取完成,页面将自动刷新
同步操作将从 greendream182/pfld_106_face_landmarks 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
106点人脸关键点检测的PFLD算法实现
转换后的ONNX模型
预训练权重
性能测试
update GhostNet
update MobileNetV3
Backbone | param | MACC | nme | Link | ONNX |
---|---|---|---|---|---|
MobileNetV2 | 1.26M | 393M | 4.96% | v2 | v2.onnx |
MobileNetV3 | 1.44M | 201.8M | 4.40% | v3 | v3.onnx |
MobileNetV3_Small | 0.22M | 13M | 6.22% | lite | lite.onnx |
测试电脑MacBook 2017 13-Inch CPU i5-3.1GHz (single core)
backbone | FPS(onnxruntime cpu) | Time(single face) |
---|---|---|
v2.onnx | 60.9 | 16ms |
V3.onnx | 62.7 | 15.9ms |
lite.onnx | 255 | 3.9ms |
torch=1.2.0
torchvision
opencv-python
tqdm
onnxruntime==1.2.2
numpy
数据集准备
# 下载数据集到data/imgs下
cd data
python prepare.py
# data 文件夹结构
data/
imgs/
train_data/
imgs/
list.txt
test_data/
imgs/
list.txt
训练
CUDA_VISIBLE_DEVICES=0 python train.py --backbone=v3
# 可选backbone为v2 v3 lite
结果 (MobileNetV2)
Thanks
https://github.com/polarisZhao/PFLD-pytorch
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。