cascaded_mobilenet-v2

cascaded convolutional neural network for facial point detection

详细步骤讲解请参见博客：http://blog.csdn.net/u011995719/article/details/79435615

1.简介

本实验在caffe下，采用级联MobileNet-V2进行人脸关键点（5点）检测，单模型仅 956 KB，GTX1080上运行为6ms左右（可在移动端达到实时检测）

本实验采用两级MobileNet-V2进行，两级的MobileNet-V2采用相同的网络结构（因为懒），结构如下：

t表示“扩张”倍数，c表示输出通道数，n表示重复次数，s表示步长stride
（MobileNet-v2 原文： https://arxiv.org/abs/1801.04381）
（可参考博客：http://blog.csdn.net/u011995719/article/details/79135818）

基本流程为，level_1负责初步检测，依据level_1得到的关键点，对原始图片进行裁剪，将裁剪后的图片输入到level_2，从而达到从粗到精的定位。

level_1 流程为：

level_2 流程为

面部放大，绿色点为landmark，红色为level_1检测到的点，蓝色为level_2检测到的点，可以看出蓝色点更靠近绿色点

本实验初步验证MobileNet-V2的有效性以及级联CNN进行人脸关键点检测的有效性

数据来源：采用CelebA数据集，共计202599张图片，每张图片含5个关键点 官网：http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html 百度网盘下载：https://pan.baidu.com/s/1eSNpdRG#list/path=%2F

实验结果：请直接看demo跑出来的图片。由于CelebA的图片较为复杂，并且本实验不需要采用人脸检测，因此无法与之前实验进行比较

2.运行demo

(1) 修改 caffe源码

本实验基于MobileNet-V2，因此需要给caffe添加新的layer，即depth-wise convolution，并且需要修改image_data_layer，使得其支持多标签输入 (感谢 hpp,cpp,cu，prototxt提供者：suzhenghang
git地址：https://github.com/suzhenghang/MobileNetv2/tree/master/.gitignore)

步骤,进入caffe_need/文件夹下，

1. 将image_data_layer.hpp 替换掉 caffe_path/include/caffe/layers 下的 image_data_layer.hpp
2. 将conv_dw_layer.hpp 复制到 caffe_path/include/caffe/layers 下
3. 将image_data_layer.cpp 替换掉 caffe_path/src/caffe/layers 下的image_data_layer.cpp
4. 将conv_dw_layer.cu conv_dw_layer.cpp 复制到 caffe_path/src/caffe/layers 下 重新编译，并且配置python接口

(2) 进入文件夹3_demo

进入 3_demo/Code/,打开 inference , 更改你的caffe所在路径
sys.path.append('/home/xxx your caffe xxx/python')
sys.path.append('/home/xxx your caffe xxx/python/caffe')
然后运行 sudo python inference.py, 检测出的图片保存在 3_demo/Result/draw_img/ 下

3.复现训练过程

简单介绍训练步骤，总共分三阶段，分别是 0_raw_data, 1_level_1, 2_level_2

第一阶段，数据准备阶段： 0_raw_data

1. 从百度网盘下载好CelebA数据集，将CelebA\Img\img_celeba 复制到 0_raw_data/Data/ 下面，将CelebA\Anno\list_landmarks_celeba.txt复制到 0_raw_data/Data/ 并且重命名为celeba_label.txt
   
2. 进入0_raw_data/, 运行divide_tr_te.py，将会划分好训练集，测试集，并且保存在0_raw_data/Data/ 下面
   
3. 运行 draw_point.py，将会在 0_raw_data/Result/draw_img/下获得 打上关键点的图片，用来检查图片以及标签是否正确

第二阶段, 训练level_1： 1_level_1

进入 1_level_1/Code/，依次执行 0_gen_data, 1_draw_img, 2_train, 3_inference, 4_evaluate, 5_crop_img
0_gen_data，主要是对图片进行resize，并且转换label，训练时的label是[-1,1]的
1_draw_img,用来检查图片以及标签是否正确
2_train,训练的solver等 
3_inference,训练完毕，用训练好的caffemodel进行inference，将inference得到的标签 输出到 1_level_1/Result/下，用于评估和裁剪图片
4_evaluate，计算误差
5_crop_img, 采用level_1的输出标签 对原始图片进行裁剪，获得level_2的输入图片，并且制作level_2的标签

第三阶段，训练level_2: 2_level_2

由于 1_level_1/Code/5_crop_img 已经生成了 level_2所需的数据，并且打上关键点，供检查，因此 level_2直接从train开始
0_train, 同level_1
1_inference, 同level_1
2_evaluate,同level_1