V1.0

README.md

@@ -11,13 +11,15 @@ CenterFace是一种人脸检测算法，采用了轻量级网络mobileNetV2作
 ## 算法原理
 CenterFace模型是一种基于单阶段人脸检测算法，作者借鉴了CenterNet的思想，将人脸检测转换为标准点问题，根据人脸中心点来回归人脸框的大小和五个标志点。
 
-| 符号 | 说明 |
-|:--------:| :--------:|
+| 参数 | 说明 |
+| :------: | :------: |
 | F | Feature Map |
-| c | Confidence |
-| x_c,y_c | 人脸框中心点的x,y坐标 |
+| HM | 人脸分类的HeatMap |
+| Offset | 人脸框中心点偏移 |
+| WH | 人脸框宽，高 |
 | x_l,y_l | 人脸框左上角点的x,y坐标 |
 | x_r,y_r | 人脸框右下角点的x,y坐标 |
+| c | Confidence |
 
 <div align=center>
     <img src="./process.png"/>
@@ -31,7 +33,7 @@ CenterFace模型是一种基于单阶段人脸检测算法，作者借鉴了Cent
 ```
 docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk-23.04-py38-latest
 
-docker run docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
+docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID bash
 
 cd /your_code_path/centerface_pytorch/
 pip3 install -r requirements.txt
@@ -161,6 +163,7 @@ python gen_data.py
 
 
 ## 训练
+
 默认训练模型保存在./exp/下，如需修改为自己的路径，可以对centerface_pytorch/src/lib/opts_pose.py的284行进行修改
 
 ### 单机单卡
@@ -198,11 +201,10 @@ python test_wider_face.py
 WIDER_FACE验证集上的测试结果如下
 
 | Method | Easy(AP) | Medium(AP) | Hard(AP)|
-|:--------:| :--------:| :---------:| :------:|
+| :------: | :------: | :------: | :------: |
 | ours(one scale) | 0.9264 | 0.9133 | 0.7479 |
 | original | 0.922 | 0.911  | 0.782|
 
-
 ## 应用场景
 ### 算法类别
 人脸识别

docker/Dockerfile

@@ -2,5 +2,3 @@ FROM image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.13.1-centos7.6-dtk-23.04-
 RUN source /opt/dtk/env.sh
 COPY requirments.txt requirments.txt
 RUN pip3 install -r requirements.txt
-
-ADD https://ultralytics.com/assets/Arial.ttf /root/.config/Ultralytics/

model.properties

 # 模型唯一标识
-modelCode = 440
+modelCode=440
 # 模型名称
 modelName=centerface_pytorch
 # 模型描述
 modelDescription=CenterFace是一种人脸检测算法,采用了轻量级网络mobileNetV2作为主干网络,结合特征金字塔网络(FPN)实现anchor free的人脸检测。
 # 应用场景
-appScenario=推理,训练,教育,交通,公安,医疗
+appScenario=推理,训练,人脸识别,教育,交通,公安,医疗
 # 框架类型
 frameType=PyTorch