文件名称：matlab中DW检验的代码-RetinaFace.pytorch:一个更快的RetinaFace工具pyPytorch
文件大小：33.6MB
文件格式：ZIP
更新时间：2024-06-23 18:44:36
系统开源
matlab中DW检验的代码PyTorch 中的 RetinaFace 的实现。 模型大小只有1.7M，当Retinaface使用mobilenet0.25作为骨干网时。 我们还提供 resnet50 作为骨干网以获得更好的结果。 Mxnet中的官方代码可以找到。 移动或边缘设备部署 我们还为从 python 训练到 C++ 推理的边缘设备提供了一套人脸检测器。 WiderFace Val 单秤性能 当测试秤是原始秤时 风格 简单的 中等的 难的 预训练 批量大小 火车大小 ResNet50 95.48% 94.04% 84.43% 真的 24 840 Mobilenet0.25（原图比例） 90.70% 88.16% 73.82% 真的 32 640 Mobilenet0.25(替换了fpn为dw) 90.5% 87.5% 72.1% 真的 32 640 Mobilenet0.25(替换了fpn为dw,替换ssh为dw) 89.7% 86.7% 69.9% 真的 32 640 Mobilenet0.25(替换了fpn为dw,替换ssh为dw,outchannel=32) 89.6%
【文件预览】：
RetinaFace.pytorch-master
----LICENSE.MIT(1KB)
----layers()
--------modules()
--------__init__.py(48B)
--------functions()
----train.py(7KB)
----utils()
--------box_utils.py(13KB)
--------__init__.py(0B)
--------nms()
--------timer.py(1KB)
----models()
--------mobilenetv3.py(5KB)
--------retinaface.py(6KB)
--------__init__.py(0B)
--------net.py(8KB)
--------ghostnet.py(7KB)
----detect.py(7KB)
----convert_to_onnx.py(3KB)
----weights()
--------mobilenetV1X0.25_pretrain.tar(3.65MB)
--------mbv3_small.pth.tar(19.3MB)
--------mobilenet0.25_Final.pth(1.71MB)
----cal_params.py(2KB)
----FDDB_Evaluation()
----widerface_evaluate()
--------box_overlaps.pyx(2KB)
--------ground_truth()
--------evaluation.py(9KB)
--------setup.py(328B)
--------README.md(507B)
----test_fddb.py(9KB)
----README.md(6KB)
----curve()
--------Widerface.jpg(221KB)
--------1.jpg(247KB)
--------FDDB.png(84KB)
--------test.jpg(108KB)
----data()
--------config.py(2KB)
--------retinaface_gt_v1.1()
--------__init__.py(125B)
--------FDDB()
--------retinaface_gt_v1.1.zip(4.29MB)
--------wider_face.py(4KB)
--------data_augment.py(8KB)
----test_widerface.py(9KB)
----.gitignore(1KB)