Skip to content

Latest commit

 

History

History
56 lines (49 loc) · 3.61 KB

README.md

File metadata and controls

56 lines (49 loc) · 3.61 KB

Детектирование лиц на фотографиях с помощью сверточных нейронных сетей

Участники команды

  • Кетков Сергей - @sketkov1994
  • Кондратьев Никита nskondratyev@yandex.ru - @nskondratev

Описание

В проекте мы рассматриваем задачу детектирования лиц на основе сверточных нейронных сетей. Для тестирования мы используем две обученные сверточные сети:

Для тестирования используется часть набора данных Wider face: 976 изображений из валидационной выборки.

Структура проекта

  • DockerFiles - подмодуль с Docker-образами с предустановленными пакетами для MTCNN
  • mtcnn - подмодуль с реализацией MTCNN
  • tiny - подмодуль с реализацией Tiny Face Detector
  • widerface - тестовая выборка
  • Report. Face Detection with CNN.pdf - отчет по проделанной работе
  • Slides. Face Detection with CNN.pdf - презентация
  • main.py - главный скрипт для запуска моделей на тестовой выборке
  • tiny_fd.m - MATLAB скрипт с функцией tiny_fd для применения Tiny Face Detector к изображению
  • transform_annotations_file.py - скрипт для обработки файла с аннотацией к тестовой выборке
  • utils.py - скрипт с вспомогательными функциями
  • wider_face_val_bbx_gt._transformed.txt - обработанный файл с аннотацией к тестовой выборке

Требования

Для запуска проекта необходимо иметь установленным:

  • Python 3
  • Пакеты Python: numpy, mxnet, matlab, cv2
  • MATLAB R2016b

Установка

Загрузка проекта:

$ git clone --recursive https://github.com/nskondratev/hse-deeplearning-2017.git

Запуск

Для запуска необходимо выполнить скрипт main.py. Доступные опции:

  • folder - папка с изображениями (по умолчанию: widerface),
  • report_filename - имя файла отчета,
  • model - используемая модель (возможные значения: mtcnn, tiny_fd. По умолчанию: mtcnn),
  • gt_filename - путь к файлу с аннотацией к тестовой выборке (по умолчанию: wider_face_val_bbx_gt._transformed.txt).

Пример:

$ python3 main.py --folder widerface --model mtcnn

Сравнение MTCNN vs Tiny Face Detector

Мы запускали обе модели на тестовой выборке из 976 изображений, которые находятся в папке widerface.
Результаты представлены в таблице:

Ошибка Время работы
MTCNN 32 % 3506 s
Tiny Face Detector 13 % 40435 s