98点人脸关键点检测算法详解

98-FaceLandmarks

项目源码：https://github.com/midasklr/98-FaceLandmarks

数据集

WFLW

使用98关键点的WFLW数据集.

这是由商汤提供的。里面除了关键点外，还对姿态、表情、照度、化妆、遮挡、模糊等信息进行标注。

数据集包含7,500训练（list_98pt_rect_attr_train.txt），2,500测试（list_98pt_rect_attr_test.txt）。

标签格式如下：

coordinates of 98 landmarks (196) + coordinates of upper left corner and lower right corner of detection rectangle (4) + attributes annotations (6) + image name (1)
  x0 y0 ... x97 y97 x_min_rect y_min_rect x_max_rect y_max_rect pose expression illumination make-up occlusion blur image_name

每行有196+4+6+1 = 207个。

关键点标注信息如下：

数据集标签标注如下：

JD  -landmark

106点数据集.论文

需要注意的坑是其中#75和#105重合，#84和#106重合。

数据集样例子：

数据集合并

需要注意的是每个图仅仅标注了一张人脸关键点。

合并两个数据集为98关键点数据集。

去除JD-landmark中56/66/57/65/58/64/75/84点。

合并后数据集链接: https://pan.baidu.com/s/179crM6svNbK3w28Z0ycBHg 提取码: 7guh

算法

使用MobileNetv3作为backbone提取特征，通过PAN和SSH进行特征融合，在三个尺度上（1/8,1/16,/1/32）上进行多尺度预测（考虑到数据集每张图仅仅一个标注人脸，并且都是较大的目标，所以不需要太过浅层的Feature map上预测），同时进行分类和回归box和Landmark。

Demo

见detect.py

一些效果：

Android

参考之前的人脸检测

Donate

无偿开源，希望能对大家的学习和工作有帮助，也可以请我喝咖啡.

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删