CenterFace 训练

the real-time face detection CenterFace

unofficial version of centerface, which achieves the best balance between speed and accuracy. CenterFace is a practical anchor-free face detection and alignment method for edge devices. The project provides training scripts, training data sets, and pre-training models to facilitate users to reproduce the results. Finally, thank the centerface's author for the training advice.

Requirements

use pytorch, you can use pip or conda to install the requirements

# for pip
cd $project
pip install -r requirements.txt

# for conda
conda env create -f enviroment.yaml

数据集准备

用户自行准备数据集

1)本机解压WIDER_FACE_DATA_ALL.zip文件里面有annotations.zip、labels、WIDER_train.zip、WIDER_val.zip、groud_truth文件。 2）annotations.zip、labels、WIDER_train.zip、WIDER_val.zip复制到服务器的 $project/data/wider_face目录下。groud_truth复制到$ project下。 3) 将WIDER_train中的images,复制到$project/data/wider_face/image

Training

一、训练流程

单卡训练流程：

1.安装环境
2.编译（编译过的可跳过，编译需要先执行以下操作，否找可能出现报错ModuleNotFoundError: No module named 'external.nms'）
    cd $project/src/lib/external
    make    
3.开始训练
    bash ./test/train_full_1p.sh  --data_path=数据集路径         # 精度训练
    bash ./test/train_performance_1p.sh  --data_path=数据集路径  # 性能训练

多卡训练流程

1.安装环境
2.编译（编译过的可跳过，编译需要先执行以下操作，否找可能出现报错ModuleNotFoundError: No module named 'external.nms'）
    cd $project/src/lib/external
    make 
3.开始训练
    bash ./test/train_full_8p.sh  --data_path=数据集路径         # 精度训练
    bash ./test/train_performance_8p.sh  --data_path=数据集路径  # 性能训练

二、Docker容器训练

1.导入镜像二进制包docker import ubuntuarmpytorch.tar REPOSITORY:TAG, 比如:

docker import ubuntuarmpytorch.tar pytorch:b020

2.执行docker_start.sh后带三个参数：步骤1生成的REPOSITORY:TAG；数据集路径；模型执行路径；比如：

./docker_start.sh pytorch:b020 /train/peta /home/DeepMar

3.执行步骤一训练流程（环境安装除外）

三、测试结果训练日志路径：网络脚本test下output文件夹内。例如： test/output/devie_id/CenterFace_${device_id}.log # 训练脚本原生日志 test/output/devie_id/CenterFace_bs1024_8p_perf.log # 8p性能训练结果日志 test/output/devie_id/CenterFace_bs1024_8p_acc.log # 8p精度训练结果日志

训练模型：训练生成的模型默认会写入到和test文件同一目录下。当训练正常结束时，checkpoint.pth.tar为最终结果。

CenterFace training result

*测试项*	*超参信息*	*NPU*	*测试结果*
Train-1p:性能	batch_size=32 lr=5e-4 lr_step='75,95'	34.5	OK
Train-1p:精度
Train-8p:性能	batch_size=16 lr=2.5e-3 epochs=140	41.5	/
Train-8p:精度		Easy:87.03;medium:86.50hard:70.17	OK