参照：

0.環境

ubuntu16.04
python3.6
torch==0.4.1 # (cuda90)  @ https://download.pytorch.org/whl/cu90/torch-0.4.1-cp36-cp36m-linux_x86_64.whl
cycler==0.10.0
kiwisolver==1.3.1
matplotlib==3.3.3
numpy==1.19.4
opencv-python==4.4.0.46
Pillow==8.0.1
pyparsing==2.4.7
python-dateutil==2.8.1
PyYAML==5.3.1
scipy==1.2.0
six==1.15.0
torchvision==0.2.2
tqdm==4.19.9
cffi
Cython
ipython

1.準備

1.1環境への準備

実行：

cd srn/extensions
sh build_ext.sh

1.2データの準備

ディレクトリ内のimage_list.txtのコンテンツから、テストされた画像がデータ/画像の下に直接配置されていることがわかります。つまり、より広い面のデータをダウンロードした後、valの画像を直接コピーするだけです。

http://shuoyang1213.me/WIDERFACE/

ディレクトリ構造：

data
    images
        data/images/0--Parade/0_Parade_Parade_0_72.jpg

1.3モデルの準備

https://drive.google.com/drive/folders/1T4Qt99SdM7c8G4ZuC1igensY0bZdEETF

https://pan.baidu.com/s/1ambmu1Bu6Oi7zTcEnigFyg（6fba）

モデルをモデルの下に置きます。

2.変更

不十分なGPUメモリを防ぐためにline86に文を追加します（対応するforループのコンテンツはそれに応じて4スペース戻る必要があります）：

    with torch.no_grad():

3.テスト

テストにはおそらく7〜8Gのビデオメモリが必要です。

cd tools
sh ./val.sh

テスト後に生成されたファイルのディレクトリ構造は次のとおりです。

tools
    results_dir
        21--Festival
            21_Festival_Festival_21_254.txt

内容は次のように表示されます。

4.評価

Pytorch_Retinaface / widerface_evaluateにあるこれらのファイルをSRN / toolsディレクトリにコピーします。

https://blog.csdn.net/qq_35975447/article/details/109447929を参照してください：

cd ./tools
python setup.py build_ext --inplace

vim evaluation.py
# line 187-188
parser.add_argument('-p', '--pred', default="./results_dir/")
parser.add_argument('-g', '--gt', default='./widerface_eval/ground_truth/')

python evaluation.py

参照

1. Pytorch_Retinaface（Pytorchバージョン）を再現します

2. SRN（公式ソースコード）

3.高性能顔検出のための選択的精密化ネットワーク（官方文章）

【顔検出】SRNテストと評価の再発