基于YOLOv5的智能人脸数据标注工具源码，实现人脸数据标注自动化，可导出PASCAL VOC XML、MS COCO JSON

<p align="center"> <a href="https://gitee.com/CV_Lab/face-labeling"> <img src="https://pycver.gitee.io/ows-pics/imgs/facelabeling_logo.png" alt="Simple Icons" > </a> <p align="center"> 基于YOLOv5的智能人脸数据标注工具，实现人脸数据标注自动化 </p> <p align="center"> 可自定义人脸检测模型、可导出多种格式标签，包括PASCAL VOC XML、MS COCO JSON、YOLO TXT </p> </p> ### 📌 项目整体流程与扩展应用 <div align="center" > <img src="https://pycver.gitee.io/ows-pics/imgs/face_labeling_work_flow.png"> </div> ### 📌 项目功能结构与信息流 <div align="center" > <img src="https://pycver.gitee.io/ows-pics/imgs/face_labeling_work_io.png"> </div> <h2 align="center">💡项目结构</h2> ``` . ├── face-labeling # 项目名称 │ ├── util # 工具包 │ │ ├── voc_xml.py # PASCAL VOC XML │ │ ├── coco_json.py # MS COCO JSON │ │ ├── yolo_txt.py # YOLO TXT │ │ ├── model_opt.py # 模型管理 │ │ ├── obj_opt.py # 目标管理 │ │ ├── path_opt.py # 路径管理 │ │ ├── log.py # 日志管理 │ │ └── time_format.py # 日期格式化 │ ├── data # 测试数据 │ │ └── imgs # 测试图片，来源于WIDER FACE Test │ ├── models # 模型Hub │ │ ├── readme.md # 模型Hub README │ │ ├── *.pt # PyTorch模型 │ │ └── *.onnx # ONNX模型 │ ├── face_labeling.py # 主运行文件 │ ├── LICENSE # 项目许可 │ ├── CodeCheck.md # 代码检查 │ ├── .gitignore # git忽略文件 │ ├── yolov5_widerface.md # 基于YOLOv5的人脸检测模型的构建 │ ├── yolov5_pytorch_gpu.md # YOLOv5 PyTorch GPU安装教程 │ ├── README.md # 项目说明 │ └── requirements.txt # 脚本依赖包 ``` <h2 align="center">🔥安装教程</h2> ### ✅ 第一步：安装Face Labeling 📌 创建conda环境 ```shell conda create -n facelabel python==3.8 conda activate facelabel # 进入环境 ``` 📌 克隆 ```shell git clone https://gitee.com/CV_Lab/face-labeling.git ``` ### ✅ 第二步：安装Face Labeling依赖 ```shell cd ./face-labeling conda activate facelabel # 进入环境 pip install -r requirements.txt -U ``` 📌 将人脸模型文件（.pt）放入`models` 目录中 ❗ 注意：yolov5默认采用pip安装PyTorch GPU版，如果采用官网安装**PyTorch GPU**版，参见[YOLOv5 PyTorch GPU安装教程](./yolov5_pytorch_gpu.md) ### ✅ 基于YOLOv5的人脸检测模型的构建 📌 **widerface-m人脸检测模型**是在[WIDER FACE](http://shuoyang1213.me/WIDERFACE/)数据集上，基于[YOLOv5 v6.1](https://github.com/ultralytics/yolov5)训练的，具体训练过程参见[yolov5_widerface.md](./yolov5_widerface.md) 📌 **darkface-m人脸检测模型**是在[DARK FACE](https://flyywh.github.io/CVPRW2019LowLight/)数据集上，基于[YOLOv5 v6.1](https://github.com/ultralytics/yolov5)训练的，具体训练过程参见[yolov5_darkface.md](./yolov5_darkface.md) ❤️ 本项目提供了以下人脸检测模型： | 模型名称 | 下载地址 | 模型大小 | 适用范围 | 适用设备 | | :---------: | :---------------------------------------------------------------: | :----: | :------: | :--: | | widerface-m | [百度云](https://pan.baidu.com/s/19cIqLc05EbyxxEVMX7Lr3g) , 提取码：5gfs | 42.1MB | 实时,图片,视频 | GPU | | darkface-m | [百度云](https://pan.baidu.com/s/1B_Di3eleWZjHFAt3xXd9Og) , 提取码：mm2k | 42.2MB | 实时,图片,视频 | GPU | <h2 align="center">⚡使用教程</h2> ### 💡 webcam实时标注 ```shell # a键捕获视频帧，q键退出 python face_labeling.py ``` ### 💡 图片标注（包括批量图片标注） ```shell python face_labeling.py -m img # 默认测试图片目录data/imgs python face_labeling.py -m img -imd ./img_dir # 指定图片目录 ``` ❗ 注：本项目支持的图片输入格式：**jpg** | **jpeg** | **png** | **bmp** | **tif** | **webp** ### 💡 视频标注（包括批量视频标注） ```shell python face_labeling.py -m video # 默认测试视频目录data/videos python face_labeling.py -m video -vd ./video_dir # 指定视频目录 ``` ❗ 注：本项目支持的视频输入格式：**mp4** | **avi** | **wmv** | **mkv** | **mov** | **gif** | **vob** | **swf** | **mpg** | **flv** | **3gp** | **3g2** ❗ 说明：以上三种检测模式都会在项目根目录中生成`FaceFrame`目录，该目录会生成`frame*`的子目录，子目录结构如下： ``` # webcam和图片标注的目录 . ├── FaceFrame # 人脸数据保存目录 │ ├── frame # 子目录 │ │ ├── raw # 原始图片 │ │ ├── tag # 标记图片（包括：人脸检测框、人脸ID、置信度、帧ID、FPS、人脸总数，人脸尺寸类型（小、中、大）数量） │ │ ├── voc_xml # PASCAL VOC XML 标注文件 │ │ ├── coco_json # MS COCO JSON 标注文件 │ │ ├── yolo_txt # YOLO TXT 标注文件 │ ├── frame2 # 子目录 │ │ ├── raw # 原始图片 │ │ ├── ...... ``` ``` # 视频标注的目录 . ├── FaceFrame # 人脸数据保存目录 │ ├── frame # 子目录 │ │ ├── video_name01 # 子视频目录 │ │ │ ├── raw # 原始图片 │ │ │ ├── tag # 标记图片（包括：人脸检测框、人脸ID、置信度、帧ID、FPS、人脸总数，人脸尺寸类型（小、中、大）数量） │ │ │ ├── voc_xml # PASCAL VOC XML 标注文件 │ │ │ ├── coco_json # MS COCO JSON 标注文件 │ │ │ ├── yolo_txt # YOLO TXT 标注文件 │ │ ├── video_name02 # 子视频目录 │ │ │ ├── raw # 原始图片 │ │ │ ├── ...... ``` ❗ 查看检测结果：人脸图片检测结果会保存在`FaceFrame/frame*/tag`中，以`python face_labeling.py -m img`为例运行项目自带检测图片，检测结果如下： <div align="center" > <img src="https://pycver.gitee.io/ows-pics/imgs/widerface_m_img.jpg"> </div> <div align="center" > widerface-m检测结果 </div> ### 💡 自定义人脸模型 ```shell # 默认为widerface-m python face_labeling.py -mn face_model # 以实时标注为例 python face_labeling.py -mn darkface-m # 以实时标注为例，darkface-m.pt ``` ### 💡 自定义类别 ```shell # 默认为face，以口罩识别为例 python face_labeling.py -cls mask # 口罩类 python face_labeling.py -cls without-mask # 未戴口罩类 ``` ### 💡 自定义模型参数 ```shell # 可以根据自定义人脸模型进行相应的调参，以实时标注为例 # 自定义设备，默认为cuda:0 python face_labeling.py python face_labeling.py -dev 0 # cuda:0版 python face_labeling.py -dev cpu # cpu版 # NMS 置信度阈值，默认为0.5 python face_labeling.py -conf 0.8 # NMS IoU阈值，默认为0.45 python face_labeling.py -iou 0.5 # 单张图片的最大检测目标数，默认为1000 python face_labeling.py -mdn 10 # 以上参数也可以同时使用，例如： python face_labeling.py -conf 0.8 -iou 0.5 python face_labeling.py -conf 0.8 -iou 0.5 -mdn 10 # 模型推理尺寸 python face_labeling.py -isz 320 # 强制重载YOLOv5 python face_labeling.py -ry ``` ### 💡 设置标签样式 ```shell # 以实时标注为例 python face_labeling.py -ls id # 标签仅显示ID python face_labeling.py -ls conf # 标签仅显示置信度（%） ``` <div align="center" > <img src="https://pycver.gitee.io/ows-pics/imgs/fa