這個(gè)僅 7M 大小的人臉識(shí)別模型幾乎識(shí)別出了世界最大自拍照中的所有人像！

[[321809]]

項(xiàng)目簡(jiǎn)介

之前機(jī)器之心報(bào)道過(guò)一個(gè)跨平臺(tái)人臉識(shí)別項(xiàng)目，在 CPU 上就能輕松跑出 1000FPS。這次介紹的項(xiàng)目也是一個(gè)輕量級(jí)人臉識(shí)別項(xiàng)目。不同的是，該項(xiàng)目在保持較小參數(shù)量的前提下，識(shí)別精度要高很多，并且只需要 OpenCV 和 PyTorch 就能運(yùn)行。

DBFace 是一個(gè)輕量級(jí)的實(shí)時(shí)人臉識(shí)別方法，其有著更快的識(shí)別速度與更高的精度。下圖展示了多種人臉檢測(cè)方法在 WiderFace 數(shù)據(jù)集上的測(cè)試效果?？梢钥吹讲粌H DBFace 模型的大小最小，其在 Easy、medium、Hard 三個(gè)測(cè)試任務(wù)中均取得了最高的識(shí)別精度。

項(xiàng)目地址：https://github.com/dlunion/DBFace

WiderFace 是一個(gè)關(guān)于人臉檢測(cè)的基準(zhǔn)跑分?jǐn)?shù)據(jù)集，其中包含 32,203 張圖片以及在各方面劇烈的 393,703 張人臉，數(shù)據(jù)集具有從簡(jiǎn)單到困難等不同難度的任務(wù)。下圖是改數(shù)據(jù)集中一些樣本的展示，可以看到，要想準(zhǔn)確地識(shí)別出圖中所有人臉還是很有挑戰(zhàn)的。DBFace 在該數(shù)據(jù)集的不同任務(wù)上分別取得 0.925、0.920、0.847 的準(zhǔn)確率，實(shí)屬不易。

有關(guān) WiderFace 的詳細(xì)介紹請(qǐng)讀者移步其官網(wǎng)：

http://shuoyang1213.me/WIDERFACE/

效果展示

下圖展示了不同人臉識(shí)別方法在 WiderFace 數(shù)據(jù)集上的 P-R 曲線。P-R 曲線可以較直觀地展示二分類(lèi)器的 Precision 和 Recall。當(dāng)需要對(duì)不同算法進(jìn)行比較時(shí)，若某個(gè)二分類(lèi)器的 P-R 曲線被另一個(gè)二分類(lèi)器的 P-R 曲線完全包住，即表明后者的性能優(yōu)于前者。從圖中可以看到，DBFace 包圍的面積在三個(gè)任務(wù)中均相對(duì)較大。

當(dāng)閾值設(shè)置為 0.2 時(shí)，DBFace 對(duì)這張世界最大的自拍照識(shí)別效果如下圖所示：

可以看到，DBFace 的識(shí)別準(zhǔn)確率非常高，圖中很多人臉甚至放大后單憑肉眼也很難分辨，DBFace 卻仍然能夠識(shí)別出來(lái)，并且模型大小僅 7M，完全能夠在邊緣設(shè)備上實(shí)時(shí)運(yùn)行。于是，機(jī)器之心也上手測(cè)試了一番。

項(xiàng)目實(shí)測(cè)

項(xiàng)目作者提供的代碼示例中包含對(duì)靜態(tài)圖片的識(shí)別，同時(shí)也有一個(gè)調(diào)用電腦攝像頭的 GUI。值得注意的是，該項(xiàng)目并不需要太多依賴(lài)項(xiàng)，只要有 PyTorch、Numpy 和 OpenCV 即可運(yùn)行。由于以上依賴(lài)環(huán)境都是非常常用的擴(kuò)展庫(kù)，網(wǎng)上有大量相應(yīng)安裝教程，這里就略過(guò)其安裝步驟。

在 main.py 中，image_demo() 與 camera_demo() 分別對(duì)應(yīng)靜態(tài)圖片識(shí)別與調(diào)用攝像頭進(jìn)行識(shí)別。靜態(tài)圖片識(shí)別代碼為：

def image_demo(): 
 
    dbface = DBFace() 
 
    dbface.eval() 
 
    if HAS_CUDA: 
 
        dbface.cuda() 
 
    dbface.load("model/dbface.pth") 
 
    detect_image(dbface, "datas/selfie.jpg") 

以上代碼將會(huì)讀取訓(xùn)練后的模型，對(duì)圖片 datas/selfie.jpg 進(jìn)行識(shí)別，并將結(jié)果保存到 detect_result/selfie.draw.jpg。

讓我們來(lái)看一下識(shí)別效果：

從上圖可以看到，即使在室內(nèi)燈光顏色、明暗差別較大的環(huán)境下，DBFace 也識(shí)別出了圖中幾乎所有的人，甚至是中間那個(gè)一邊畫(huà)彩虹，一邊指向閃耀燈球戴頭盔的人也難逃其「魔掌」。當(dāng)然，由于這里設(shè)置的檢測(cè)閾值較低，存在一些誤分類(lèi)的現(xiàn)象。圖中一些人的手和右上角的燈球就被誤識(shí)別為了人臉。適當(dāng)調(diào)高閾值即可消除此現(xiàn)象。

調(diào)用電腦攝像頭檢測(cè)的代碼為：

def camera_demo(): 
 
    dbface = DBFace() 
 
    dbface.eval() 
 
    if HAS_CUDA: 
 
        dbface.cuda() 
 
    dbface.load("model/dbface.pth") 
 
    cap = cv2.VideoCapture(0) 
 
    cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640) 
 
    cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480) 
 
    ok, frame = cap.read() 
 
    while ok: 
 
        objs = detect(dbface, frame) 
 
        for obj in objs: 
 
            common.drawbbox(frame, obj) 
 
        cv2.imshow("demo DBFace", frame) 
 
        key = cv2.waitKey(1) & 0xFF 
 
        if key == ord('q'): 
 
            break 
 
        ok, frame = cap.read() 

運(yùn)行以上代碼將會(huì)生成一個(gè) 640x480 的 GUI 界面，調(diào)用攝像頭實(shí)時(shí)進(jìn)行人臉檢測(cè)。

感興趣的小伙伴趕快將本項(xiàng)目 git clone 到本地測(cè)試一下吧！