CV课程大作业-基于FasterRCNN实现人脸检测python源码+使用说明文档.zip
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
【项目说明】 1.项目代码均经过功能验证ok,确保稳定可靠运行。欢迎下载食用体验! 2.主要针对各个计算机相关专业,包括计算机科学、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师、企业员工。 3.项目具有丰富的拓展空间,不仅可作为入门进阶,也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。在使用过程中,如有问题或建议,请及时沟通。 5.期待你能在项目中找到乐趣和灵感,也欢迎你的分享和反馈! 【资源介绍】 CV课程大作业-基于FasterRCNN实现人脸检测python源码+使用说明文档.zip 最终目标为完成一个静态图的多目标人脸识别模型并在`./test.png`上完成多目标人脸检测。 ## 项目结构 - `data`(*folder*) : 数据以及data loader的类与函数 - `face_detection`(*folder*) : 实现FasterRCNN的包 - `test`(*folder*) : 测试文件 - `model_test.ipynb`(*file*) : 测试最终的图片 - `unit_test.py`(*file*) : 单元测试 - `train_utils.py`(*file*) : 训练使用的组件 - `visdom_utils.py`(*file*) : visdom前端可视化组件 - `test.ipynb`(*file*) : 评估用的jupyter - `count.py`(*file*) : 无聊地用来统计项目工程量的item > 部分程序需通过命令行启动,因为我使用了`fire.Fire()`进行了接口暴露,不熟悉的fire的朋友们可以看看下面这篇blog <[python fire使用指南](https://blog.csdn.net/qq_17550379/article/details/79943740)>。 最终的展示与训练都是在jupyter notebook中进行的 ## 开始 请先安装依赖项: ```bash $pip install -r .\requirements.txt ``` ## Utils 需要注意的是,由于我们只做人脸检测而不做人脸识别,所以FasterRCNN中的多目标分类的标签永远是0(代表第一个类,也是唯一一个前景类,也就是人脸) 使用`count.py`统计项目行数的示例如下: ```bash $python -u .\count.py --path "." --ignore "['2002', '2003', 'FDDB-folds']" ```
- 1
- 粉丝: 2250
- 资源: 1825
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助