FastFace：轻量级人脸检测框架

使用pytorch-lightning开发的易于使用的人脸检测框架。
结帐文档了解更多。

主要特征

• :fire:使用预训练模型进行推理，只需几行代码
• :chart_with_upwards_trend:评估不同数据集上的模型
• :hammer_and_wrench:使用预定义的架构训练和制作新模型原型
• :rocket:轻松导出训练模型，用于生产

内容

• 安装
• 预训练模型
• 演示
• 基准
• 教程
• 参考
• 引文

安装

来自 PyPI

pip install fastface -U

从源头

git clone https://github.com/borhanMorphy/light-face-detection.git
cd light-face-detection
pip install .

预训练模型

预训练模型可以通过以下方式访问fastface.FaceDetector.from_pretrained(<name>)

演示

使用包

import fastface as ff
import imageio

# load image as RGB
img = imageio.imread("<your_image_file_path>")[:,:,:3]

# build model with pretrained weights
model = ff.FaceDetector.from_pretrained("lffd_original")
# model: pl.LightningModule

# get model summary
model.summarize()

# set model to eval mode
model.eval()

# [optional] move model to gpu
model.to("cuda")

# model inference
preds, = model.predict(img, det_threshold=.8, iou_threshold=.4)
# preds: {
#    'boxes': [[xmin, ymin, xmax, ymax], ...],
#    'scores':[<float>, ...]
# }

使用demo.py脚本

python demo.py --model lffd_original --device cuda --input <your_image_file_path>

样本输出；

基准

使用此存储库获得以下结果

宽脸

验证集结果

教程

• 宽面基准
• BentoML 部署

参考

• LFFD 纸
• 官方 LFFD 实施

引文

@inproceedings{LFFD,
    title={LFFD: A Light and Fast Face Detector for Edge Devices},
    author={He, Yonghao and Xu, Dezhong and Wu, Lifang and Jian, Meng and Xiang, Shiming and Pan, Chunhong},
    booktitle={arXiv:1904.10633},
    year={2019}
}