文件名称：68-Retinaface-Pytorch-version:使用带有MobileNet 0.25的RetinaFace进行6896个地标检测
文件大小：3.29MB
文件格式：ZIP
更新时间：2024-05-24 12:29:55
Python
视网膜面火炬版 由于机密性，它不是我模型的最佳版本 感谢Alvin Yang（ ） 这是68个地标检测的分支，预先训练的模型位于./out中 进行96个地标检测（请参阅其他分支） 该模型还预测了地标的被遮挡部分，如果不希望它们出现，可以将其隐藏。 基于RetinaFace 当前模型 mobileNet V1 + FPN +上下文模块+回归器1.6MB CPU〜10FPS GPU 50FPU 火车：（请参考dataloader.py更改文件位置） python3 train.py -train该模型使用LS3D-W数据集，或将您的数据集更改为demo.pt/ demo.jpg（68 * 2张量）的格式 使用本地摄像头： python3 video_detect.py（需要删除所有'cuda（）'，并在CPU本地运行） 评估模型： python3 train.py -train错
【文件预览】：
68-Retinaface-Pytorch-version-master
----video_detect.py(4KB)
----train.py(8KB)
----dataloader.py(23KB)
----test_argu.py(4KB)
----network.torch(1.71MB)
----anchors.py(3KB)
----detect.py(3KB)
----utils.py(13KB)
----model.py(17KB)
----mobile_testing.py(17KB)
----requirements.txt(171B)
----mnas.py(7KB)
----mobile.py(9KB)
----assets()
--------2.jpg(67KB)
--------1.jpg(96KB)
--------3.jpg(115KB)
----losses.py(11KB)
----README.md(1KB)
----eval_widerface.py(5KB)
----down.py(706B)
----img_tester.py(4KB)
----magic_convert.py(8KB)
----torchvision_model.py(19KB)
----out()
--------stage_5_68_full_model_epoch_121.pt(1.59MB)