Retinaface

🚀 Retinaface

このRetinafaceモデルは、野生環境における顔の位置を高精度に検出するためのものです。PyTorchを用いて実装され、軽量なバックボーンネットワークを使用することで、高速かつ正確な顔検出を実現します。

🚀 クイックスタート

Retinafaceモデルは、顔検出において高い精度を発揮します。このモデルは、深層畳み込みニューラルネットワークを利用しており、顔のバウンディングボックスの位置、検出の信頼度スコア、および10個の顔のランドマークキーストーンを返します。

✨ 主な機能

• 深層畳み込みニューラルネットワークを利用した高精度な顔検出
• mobilenet0.25またはresnet50をバックボーンネットワークとして使用可能
• 検出された各顔のバウンディングボックスの位置、信頼度スコア、および10個の顔のランドマークキーストーンを返す

📦 インストール

このモデルのインストールに関する具体的な手順は、原ドキュメントに記載されていません。

💻 使用例

基本的な使用法

import os
import torch
import json
from PIL import Image
from huggingface_hub import hf_hub_download
from feat.face_detectors.Retinaface.Retinaface_model import RetinaFace, postprocess_retinaface
from feat.utils.io import get_resource_path, get_test_data_path
from feat.utils.image_operations import convert_image_to_tensor, convert_color_vector_to_tensor

device = 'cpu'

# モデルの重みと設定ファイルをダウンロード
face_config_file = hf_hub_download(
    repo_id="py-feat/retinaface",
    filename="config.json",
    cache_dir=get_resource_path(),
)
with open(face_config_file, "r") as f:
    face_config = json.load(f)
    
face_model_file = hf_hub_download(repo_id='py-feat/retinaface', 
                                      filename="mobilenet0.25_Final.pth",
                                      cache_dir=get_resource_path())
face_checkpoint = torch.load(face_model_file, map_location=device, weights_only=True)
face_detector = RetinaFace(cfg=face_config, phase="test")                
face_detector.load_state_dict(face_checkpoint)
face_detector.eval()
face_detector.to(device)

# 推論を実行
frame = Image.open(os.path.join(get_test_data_path(), "multi_face.jpg"))
single_frame = torch.sub(frame, convert_color_vector_to_tensor(np.array([123, 117, 104])))
predicted_locations, predicted_scores, predicted_landmarks = face_detector.forward(single_frame.to(device))
face_output = postprocess_retinaface(predicted_locations, predicted_scores, predicted_landmarks, face_config, single_frame, device=device)

📚 ドキュメント

モデルの詳細

モデルのソース

• リポジトリ: Py-Feat
• 論文: RetinaFace: Single-stage Dense Face Localisation in the Wild

評価結果

このモデルは、WIDER FACEデータセットで評価されています。詳細なベンチマーク結果は、biubug6のリポジトリを参照してください。

引用

もしあなたがRetinafaceモデルを研究やアプリケーションで使用する場合は、以下の論文を引用してください。

@misc{deng2019retinafacesinglestagedenseface,
      title={RetinaFace: Single-stage Dense Face Localisation in the Wild}, 
      author={Jiankang Deng and Jia Guo and Yuxiang Zhou and Jinke Yu and Irene Kotsia and Stefanos Zafeiriou},
      year={2019},
      eprint={1905.00641},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/1905.00641}
}

📄 ライセンス

このモデルはMITライセンスの下で公開されています。詳細はMIT Licenseを参照してください。

謝辞

このモデルの開発において、貢献者やオープンソースコミュニティに感謝します。特に、元のRetinaface論文の著者、WIDER FACEデータセット、およびbiubug6が重みとコードを共有してくれたことに感謝します。