# RetinaFace
## 论文
RetinaFace: Single-stage Dense Face Localisation in the Wild
- https://arxiv.org/pdf/1905.00641.pdf
## 模型结构
RetinaFace是一个经典的人脸检测模型, 采用SSD架构进行人脸检测。
## 算法原理
RetinaFace模型有几个主要特点：
- 采用 FPN 特征金字塔提取多尺度特征；
- 引入 SSH 算法的 Context Modeling；
- 多任务训练，提供额外的监督信息。
## 环境配置
### Docker
拉取镜像：
```
docker pull sugonhub/migraphx:3.2.1-centos7.6-dtk-23.04.1-py38
```
创建并启动容器：
```
docker run --shm-size 16g --network=host --name=retinaface_migraphx --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/retinaface_migraphx:/home/retinaface_migraphx -it /bin/bash
# 激活dtk
source /opt/dtk/env.sh
```
## 数据集
根据提供的样本数据，进行人脸检测。
## 推理
### Python版本推理
下面介绍如何运行Python代码示例，Python示例的详细说明见Doc目录下的Tutorial_Python.md。
#### 设置环境变量
```
export PYTHONPATH=/opt/dtk/lib:$PYTHONPATH
```
#### 安装依赖
- 安装DTK版的Pytorch和torchvision，下载地址：https://cancon.hpccube.com:65024/4/main/pytorch，https://cancon.hpccube.com:65024/4/main/vision
```
# 进入python示例目录
cd /Python
# 安装依赖
pip install -r requirements.txt
```
#### 运行示例
RetinaFace模型的推理示例程序是RetinaFace_infer_migraphx.py，在python目录下使用如下命令运行该推理示例：
```
python RetinaFace_infer_migraphx.py
```
### C++版本推理
下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。
#### 构建工程
```
rbuild build -d depend
```
#### 设置环境变量
将依赖库依赖加入环境变量LD_LIBRARY_PATH，在~/.bashrc中添加如下语句：
```
export LD_LIBRARY_PATH=/depend/lib64/:$LD_LIBRARY_PATH
```
然后执行:
```
source ~/.bashrc
```
#### 运行示例
成功编译RetinaFace工程后，执行如下命令运行该示例：
```
# 进入retinaface migraphx工程根目录
cd
# 进入build目录
cd ./build/
# 执行示例程序
./RetinaFace
```
## result
### Python版本
python程序运行结束后，会在当前目录生成RetinaFace检测结果图像。
### C++版本
C++程序运行结束后，会在build目录生成RetinaFace人脸检测结果图像。
## 应用场景
### 算法类别
`人脸检测`
### 热点应用行业
`金融`、`交通`、`教育`
## 源码仓库及问题反馈
https://developer.hpccube.com/codes/modelzoo/retinaface_migraphx
## 参考
https://github.com/biubug6/Pytorch_Retinaface