English | 简体中文

[TOC]

一、简介

通过PaddlePaddle框架复现了论文 Real-time Convolutional Neural Networks for Emotion and Gender Classification 中提出的两个人脸（性别、表情）分类模型，分别是SimpleCNN和MiniXception。SimpleCNN由9个卷积层、ReLU、Batch Normalization和Global Average Pooling组合成，MiniXception结合了深度可分离卷积和残差模块，两者都是全卷积神经网络。

二、复现精度

利用 imdb_crop数据集训练模型，进行人脸性别分类，准确率均达到96%。

模型	准确率	输入尺寸
SimpleCNN	96.00%	(48, 48, 3)
MiniXception	96.01%	(64, 64, 1)

三、数据集

我们在数据集imdb_crop (密码 mu2h)上训练和测试模型，数据集也可以在这里下载。下载和解压数据后，不用对数据再做别的处理了，编辑配置文件config/simple_conf.yaml和config/min_conf.yaml，两者分别是模型SimpleCNN和MiniXception的配置文件，把 imdb_dir设置成数据集所在的目录。训练和测试阶段的 imdb_dir应该是一致的。不用划分训练集和测试集，程序会自动划分，即使你不训练只测试。我们采取的数据集划分方式和论文作者的一样，先根据文件名对图片进行排序，前80%为训练集，后20%为测试集。

四、环境依赖

scipy==1.2.1
paddlepaddle==2.1.2
numpy==1.20.1
opencv-python==3.4.10.37
pyyaml~=5.4.1
visualdl~=2.2.0
tqdm~=4.62.0

五、快速开始

Step1: clone

# clone this repo
git clone https://github.com/wapping/FaceClassification.git
cd FaceClassification

Step2: 训练

根据实际情况配置文件，然后执行命令

python train.py -c path_to_conf

比如

python train.py -c ./config/simple_conf.yaml

Step3: 测试

根据实际情况配置文件，然后执行命令

python eval.py -c path_to_conf

等结果就行了。

六、代码结构与详细说明

6.1 代码结构

|____config
| |____conf.yaml
| |____confg.py
| |____simple_conf.yaml
| |____mini_conf.yaml
|____data
| |____dataset.py
|____models
| |____simple_cnn.py
| |____mini_xception.py
|____train.py
|____eval.py

6.2 参数说明

• train.py

  --conf_path: 可选，配置文件的路径，默认是config/conf.yaml。

  --model_name: 可选，模型的名称，如果提供，则替换配置文件里的model_name。

• eval.py --conf_path: 可选，配置文件的路径，默认是config/conf.yaml。

  --model_name: 可选，模型的名称，如果提供，则替换配置文件里的model_name。 --model_state_dict: 可选，模型文件路径，如果提供，则替换配置文件里的model_state_dict。

七、模型信息

字段	内容
发布者	李华平、宋晓倩
时间	2021.09
框架版本	paddlepaddle 2.1.2
应用场景	人脸性别分类
支持硬件	CPU、GPU