湖北建设工程信息网站百度免费推广
Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)
目录
Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)
1.戴眼镜检测和识别方法
2.戴眼镜数据集
3.人脸检测模型
4.戴眼镜分类模型训练
（1）项目安装
（2）准备数据
（3）戴眼镜分类模型训练(Pytorch)
（4） 可视化训练过程
（5） 戴眼镜识别效果
（6） 一些优化建议
（7） 一些运行错误处理方法
5.项目源码下载（Python版）
6.项目源码下载（Android版）
这是项目《戴眼镜检测和识别》系列之《Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)》；项目基于深度学习框架Pytorch开发一个高精度，可实时的戴眼镜检测和识别算法（ Eyeglasses Detection and recognition）；项目源码支持模型有resnet18,resnet34,resnet50, mobilenet_v2以及googlenet等常见的深度学习模型，用户可自定义进行训练；准确率还挺高的，采用轻量级mobilenet_v2模型的戴眼镜检测和识别准确率也可以高达98.6217%左右，满足业务性能需求。
| 模型 | input size | Test准确率 |
| mobilenet_v2 | 112×112 | 98.6217% |
| googlenet | 112×112 | 98.7643% |
| resnet18 | 112×112 | 98.8118% |
先展示一下，Python版本的戴眼镜检测和识别Demo效果（其中绿色框表示佩戴了眼镜，蓝色框表示未佩戴眼镜）：
【尊重原创，转载请注明出处】 https://blog.csdn.net/guyuealian/article/details/129263640
更多项目《戴眼镜检测和识别》系列文章请参考：
- 戴眼镜检测和识别1：戴眼镜检测数据集(含下载链接): https://blog.csdn.net/guyuealian/article/details/129263537
- 戴眼镜检测和识别2：Pytorch实现戴眼镜检测和识别(含戴眼镜数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/129263640
- 戴眼镜检测和识别3：Android实现戴眼镜检测和识别(含源码，可实时检测)：https://blog.csdn.net/guyuealian/article/details/129263657
- 戴眼镜检测和识别4：C++实现戴眼镜检测和识别(含源码，可实时检测)：https://blog.csdn.net/guyuealian/article/details/129263677
- 戴口罩人脸检测1：戴口罩人脸数据集：https://blog.csdn.net/guyuealian/article/details/125069926
- 戴口罩人脸检测2：Pytorch实现戴口罩人脸检测和戴口罩识别(含训练代码 戴口罩人脸数据集)：https://blog.csdn.net/guyuealian/article/details/125428609
- 戴口罩人脸检测3：Android实现戴口罩人脸检测和戴口罩识别(附Android源码) ：https://blog.csdn.net/guyuealian/article/details/128404379
- 安全帽检测1：佩戴安全帽数据集：https://blog.csdn.net/guyuealian/article/details/127331580
- 安全帽检测2：YOLOv5实现佩戴安全帽检测和识别(含佩戴安全帽数据集+训练代码)：https://blog.csdn.net/guyuealian/article/details/127250780
- 安全帽检测3：Android实现佩戴安全帽检测和识别：https://blog.csdn.net/guyuealian/article/details/127345231
1.戴眼镜检测和识别方法
戴眼镜检测和识别方法有多种实现方案，这里采用最常规的方法：基于人脸检测+戴眼镜分类识别方法，即先采用通用的人脸检测模型，进行人脸检测，然后裁剪人脸区域，再训练一个戴眼镜分类器，对人脸是否戴眼镜进行分类识别（未戴眼镜和戴眼镜两个类别）；
这样做的好处，是可以利用现有的人脸检测模型，而无需重新训练人脸检测模型，可减少人工标注成本低；而戴眼镜分类数据相对而言比较容易采集，分类模型可针对性进行优化。
2.戴眼镜数据集
项目已经收集了戴眼镜数据集（Eyeglasses-Dataset），总共约20000+张图片，分为eyeglasses-train训练集和eyeglasses-test测试集；其中训练集eyeglasses-train中，戴眼镜的人脸数据有10475张图片(标签为face-eyeglasses),不戴眼镜的人脸数据有12841张图片(标签为face)；测试集eyeglasses-test戴眼镜和不戴眼镜的人脸数据各有1000张图片，共2000张图片。
所有数据都标注了人脸框，数据格式为VOC，其中戴眼镜的人脸框标注为face-eyeglasses，不戴眼镜的人脸框标注为face，该数据集可直接用于深度学习戴眼镜检测模型训练。为了方便分类模型训练，已经将eyeglasses-train和eyeglasses-test的人脸区域裁剪，并保存在crops目录中，该数据集可直接用于深度学习戴眼镜分类模型训练。
关于戴眼镜检测数据的使用说明请参考我的一篇博客：戴眼镜检测和识别1：戴眼镜检测数据集(含下载链接): https://blog.csdn.net/guyuealian/article/details/129263537
3.人脸检测模型
本项目人脸检测训练代码请参考：https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB
这是一个基于SSD改进且轻量化后人脸检测模型，很slim，整个模型仅仅1.7M左右，在普通Android手机都可以实时检测。人脸检测方法在网上有一大堆现成的方法可以使用，完全可以不局限我这个方法。
4.戴眼镜分类模型训练
准备好戴眼镜数据后，接下来就可以开始训练戴眼镜分类识别模型；项目模型支持resnet18,resnet34,resnet50, mobilenet_v2以及googlenet等常见的深度学习模型，考虑到后续我们需要将戴眼镜识别模型部署到Android平台中，因此项目选择计算量比较小的轻量化模型mobilenet_v2；如果不用端上部署，完全可以使用参数量更大的模型，如resnet50等模型。
（1）项目安装
整套工程项目基本结构如下：
.
├── classifier # 训练模型相关工具
├── configs # 训练配置文件
├── data # 训练数据
├── libs
│ ├── convert # 将模型转换为ONNX工具
│ ├── light_detector # 人脸检测
│ ├── detector.py # 人脸检测demo
│ └── README.md
├── demo.py # demo
├── README.md # 项目工程说明文档
├── requirements.txt # 项目相关依赖包
└── train.py # 训练文件项目依赖python包请参考requirements.txt，使用pip安装即可：
numpy==1.16.3
matplotlib==3.1.0
Pillow==6.0.0
easydict==1.9
opencv-contrib-python==4.5.2.52
opencv-python==4.5.1.48
pandas==1.1.5
PyYAML==5.3.1
scikit-image==0.17.2
scikit-learn==0.24.0
scipy==1.5.4
seaborn==0.11.2
tensorboard==2.5.0
tensorboardX==2.1
torch==1.7.1+cu110
torchvision==0.8.2+cu110
tqdm==4.55.1
xmltodict==0.12.0
basetrainer
pybaseutils==0.6.5项目安装教程请参考：项目开发使用教程和常见问题和解决方法
（2）准备数据
下载戴眼镜数据集eyeglasses-train和eyeglasses-tes，关于戴眼镜检测数据的使用说明请参考我的一篇博客：戴眼镜检测和识别1：戴眼镜检测数据集(含下载链接): https://blog.csdn.net/guyuealian/article/details/129263537
（3）戴眼镜分类模型训练(Pytorch)
项目在《Pytorch基础训练库Pytorch-Base-Trainer(支持模型剪枝 分布式训练)》基础上实现了戴眼镜和未戴眼镜二分类识别训练和测试，整套训练代码非常简单操作，用户只需要将相同类别的数据放在同一个目录下，并填写好对应的数据路径，即可开始训练了。
训练框架采用Pytorch，整套训练代码支持的内容主要有：
- 目前支持的backbone有：googlenet,resnet[18,34,50], ,mobilenet_v2等， 其他backbone可以自定义添加
- 训练参数可以通过(configs/config.yaml)配置文件进行设置
训练参数说明如下：
# 训练数据集，可支持多个数据集
train_data:- 'path/to/dataset/eyeglasses-train/face/crops'- 'path/to//dataset/eyeglasses-train/face-eyeglasses/crops'
# 测试数据集
test_data:- 'path/to/dataset/eyeglasses-test/face/crops'- 'path/to/dataset/eyeglasses-test/face-eyeglasses/crops'
# 类别文件
class_name: 'data/class_name.txt'
train_transform: "train" # 训练使用的数据增强方法
test_transform: "val" # 测试使用的数据增强方法
work_dir: "work_space/" # 保存输出模型的目录
net_type: "mobilenet_v2" # 骨干网络,支持：resnet18/50,mobilenet_v2,googlenet,inception_v3
width_mult: 1.0
input_size: [ 112,112 ] # 模型输入大小
rgb_mean: [ 0.5, 0.5, 0.5 ] # for normalize inputs to [-1, 1],Sequence of means for each channel.
rgb_std: [ 0.5, 0.5, 0.5 ] # for normalize,Sequence of standard deviations for each channel.
batch_size: 16
lr: 0.01 # 初始学习率
optim_type: "SGD" # 选择优化器，SGD,Adam
loss_type: "CrossEntropyLoss" # 选择损失函数：支持CrossEntropyLoss,LabelSmoothing
momentum: 0.9 # SGD momentum
num_epochs: 100 # 训练循环次数
num_warn_up: 3 # warn-up次数
num_workers: 4 # 加载数据工作进程数
weight_decay: 0.0005 # weight_decay，默认5e-4
scheduler: "multi-step" # 学习率调整策略
milestones: [ 20,50,80 ] # 下调学习率方式
gpu_id: [ 0 ] # GPU ID
log_freq: 50 # LOG打印频率
progress: True # 是否显示进度条
pretrained: True # 是否使用pretrained模型
finetune: False # 是否进行finetune开始训练，在终端输入：
python train.py -c configs/config.yaml
训练完成后，训练集的Accuracy在99%以上，测试集的Accuracy在98%左右
（4） 可视化训练过程
训练过程可视化工具是使用Tensorboard，在终端输入命令：
# 基本方法
tensorboard --logdir=path/to/log/
# 例如
tensorboard --logdir=work_space/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/log
可视化效果
（5） 戴眼镜识别效果
训练完成后，训练集的Accuracy在99%以上，测试集的Accuracy在98%以上，下表给出已经训练好的三个模型，其中mobilenet_v2的准确率可以达到98.6217%，googlenet的准确率可以达到98.7643%，resnet18的准确率可以达到98.8118%
| 模型 | input size | Test准确率 |
| mobilenet_v2 | 112×112 | 98.6217% |
| googlenet | 112×112 | 98.7643% |
| resnet18 | 112×112 | 98.8118% |
-
测试图片文件
# 测试图片（Linux）
image_dir='data/test_image' # 测试图片的目录
model_file="data/pretrained/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/model/latest_model_099_98.4316.pth" # 模型文件
out_dir="output/" # 保存检测结果
python demo.py --image_dir $image_dir --model_file $model_file --out_dir $out_dir
Windows系统，请将$image_dir， $model_file ，$out_dir等变量代替为对应的变量值即可，如
# 测试图片（Windows）
python demo.py --image_dir 'data/test_image' --model_file "data/pretrained/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/model/latest_model_099_98.4316.pth" --out_dir "output/"
-
测试视频文件
# 测试视频文件（Linux）
video_file="data/video-test.mp4" # 测试视频文件，如*.mp4,*.avi等
model_file="data/pretrained/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/model/latest_model_099_98.4316.pth" # 模型文件
out_dir="output/" # 保存检测结果
python demo.py --video_file $video_file --model_file $model_file --out_dir $out_dir
-
测试摄像头
# 测试摄像头（Linux）
video_file=0 # 测试摄像头ID
model_file="data/pretrained/mobilenet_v2_1.0_CrossEntropyLoss_20230228174645/model/latest_model_099_98.4316.pth" # 模型文件
out_dir="output/" # 保存检测结果
python demo.py --video_file $video_file --model_file $model_file --out_dir $out_dir
戴眼镜检测和识别效果展示（其中绿色框表示佩戴了眼镜，蓝色框表示未佩戴眼镜）
（6） 一些优化建议
如果想进一步提高模型的性能，可以尝试：
- 清洗数据集(最重要)：戴眼镜原始数据部分数据是通过网上爬取的，存在部分错误的图片，尽管鄙人已经清洗一部分了，但还是建议你，训练前，再次清洗数据集，不然会影响模型的识别的准确率。
- 增加训练的样本数据： 建议根据自己的业务场景，采集相关数据，提高模型泛化能力
- 使用参数量更大的模型： 本教程使用的是mobilenet_v2模型，属于比较轻量级的分类模型，采用更大的模型（如resnet50），理论上其精度更高，但推理速度也较慢。
- 尝试不同数据增强的组合进行训练
- 增加数据增强： 已经支持： 随机裁剪，随机翻转，随机旋转，颜色变换等数据增强方式，可以尝试诸如mixup，CutMix等更复杂的数据增强方式
- 样本均衡： 建议进行样本均衡处理
- 调超参： 比如学习率调整策略，优化器（SGD,Adam等）
- 损失函数： 目前训练代码已经支持：交叉熵，LabelSmoothing，可以尝试FocalLoss等损失函数
（7） 一些运行错误处理方法
-
cannot import name 'load_state_dict_from_url'
由于一些版本升级，会导致部分接口函数不能使用，请确保版本对应
torch==1.7.1
torchvision==0.8.2
或者将对应python文件将
from torchvision.models.resnet import model_urls, load_state_dict_from_url
修改为：
from torch.hub import load_state_dict_from_url
model_urls = {'mobilenet_v2': 'https://download.pytorch.org/models/mobilenet_v2-b0353104.pth','resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth','resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth','resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth','resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth','resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth','resnext50_32x4d': 'https://download.pytorch.org/models/resnext50_32x4d-7cdf4587.pth','resnext101_32x8d': 'https://download.pytorch.org/models/resnext101_32x8d-8ba56ff5.pth','wide_resnet50_2': 'https://download.pytorch.org/models/wide_resnet50_2-95faca4d.pth','wide_resnet101_2': 'https://download.pytorch.org/models/wide_resnet101_2-32ee1156.pth',
}
5.项目源码下载（Python版）
整套项目源码内容包含：
- 提供戴眼镜数据集：训练集eyeglasses-train中，戴眼镜的人脸数据有10475张图片(标签为face-eyeglasses),不戴眼镜的人脸数据有12841张图片(标签为face)，测试集eyeglasses-test戴眼镜和不戴眼镜的人脸数据各有1000张图片，共2000张图片。
- 提供戴眼镜分类识别训练代码：train.py
- 提供戴眼镜分类识别测试代码：demo.py
- Demo支持图片，视频和摄像头测试
- 项目支持模型：resnet18,resnet34,resnet50, mobilenet_v2以及googlenet等常见的深度学习模型
- 项目源码自带训练好的模型文件，可直接运行测试: python demo.py
- 在普通电脑CPU/GPU上可以实时检测和识别
6.项目源码下载（Android版）
目前已经实现Android版本的戴眼镜检测和识别，详细项目请参考：戴眼镜检测和识别3：Android实现戴眼镜检测和识别(含源码，可实时检测)：https://blog.csdn.net/guyuealian/article/details/129263657
Android戴眼镜检测和识别APP Demo体验：https://download.csdn.net/download/guyuealian/87524194
