MTCNN（一）python代码训练与运行

深碍√TFBOYSˉ_ 2022-05-12 12:48 188阅读 0赞

**目录**

一、相关知识

二、训练与运行

2.1 背景知识

tfrecords

2.2 程序作用

2.3 命令行

2.4 运行程序

2.5 指定运行的显卡命令行

三、参数量的查询

3.1 tensorflow的参数量的存储

--------------------

参考地址： [https://github.com/wangbm/MTCNN-Tensorflow/blob/master/README.md][https_github.com_wangbm_MTCNN-Tensorflow_blob_master_README.md]

# 一、相关知识 #

三个CNN串联

![70][]

**P-Net：**（12-Net）Fast proposal Network，找出备选框。

**R-Net：**（24-Net）Refinement Network，对备选框进行重新选择

**O-Net：**（48-Net）Output Network，输出最终的box与最终的landmark position

![70 1][]

![70 2][]

![70 3][]

# 二、训练与运行  #

## 2.1 背景知识 ##

### tfrecords ###

tfrecords格式文件，tensorflow统一用来存储数据的文件。[https://blog.csdn.net/u012222949/article/details/72875281/][https_blog.csdn.net_u012222949_article_details_72875281]

## 2.2 程序作用 ##

参考网址：[https://github.com/AITTSMD/MTCNN-Tensorflow/blob/master/prepare\_data/%E8%AF%B4%E6%98%8E][https_github.com_AITTSMD_MTCNN-Tensorflow_blob_master_prepare_data_E8_AF_B4_E6_98_8E]

**gen\_12net\_data.py**  
    训练PNet的数据的采样代码  
**gen\_hard\_example.py**  
    分别生成RNet和ONet的训练数据  
**gen\_imglist\_xxnet.py**  
    分别将三个网络的三个任务（分类，回归，特征点检测）的数据汇总到一个文件中  
**gen\_xx\_tfrecords.py**  
    分别生成3个网络的tfrecord,在这里需要注意：  
        PNet的训练数据(pos,neg,part,landmark)是混在一起的，生成了一个tfrecord  
    RNet和ONet的各自需要生成4个tfrecord(pos,neg,part,landmark)，因为要控制各部分的样本比例（1：3：1：1）  
**loader.py**  
    迭代器，用于读取图片  
**read\_tfrecord\_v2.py/tfrecord\_utils.py**  
    用于读取tfrecord数据，并对其解析  
**utils.py**  
    用于一些数据处理操作  
**gen\_landmark\_tfrecords\_aug\_xx.py**  
    用于生成特征点的数据，在这里并没有生成tfreord,只是对进行数据增强（随机镜像、随机旋转）  
    此脚本的输入是trainImageList.txt,其中定义了文件的路径，人脸框的位置（x1,x2,y1,y2）,特征点的位置（x1,y1,,,,,x5,y5）  
**BBox\_utils.py/landmark\_utils.py**  
    用于特征点处理

## 2.3 命令行 ##

训练流程：

数据集下载，格式转换。

以下每一步都要转换目录。训练为根目录，生成样本为/prepare\_data目录

生成12net的训练数据，把12net的训练数据生成tfrecords文件 cd prepare data/

python gen_shuffle_data.py 12
    python gen_tfdata_12net.py

训练12net（P-Net）根目录

python src/mtcnn_pnet_test.py

根据训练结果生成12net输出的难样本，生成24net随机样本并合并这两个生成的样本cd prepare data/

注意更改hard\_example之中的模型路径。

python tf_gen_12net_hard_example.py
    python gen_shuffle_data.py 24
    python gen_tfdata_24net.py

训练24net（R-Net）根目录

python src/mtcnn_rnet_test.py

根据生成的网络生成24net输出的难样本，生成48net随机样本并合并这两个生成的样本cd prepare data/

python tf_gen_24net_hard_example.py
    python gen_shuffle_data.py 48
    python gen_tfdata_48net.py

训练48-Net（O-Net）根目录

python src/mtcnn_onet_test.py

## 2.4 运行程序 ##

python test_img.py (IMAGE_PATH) --model_dir ./save_model/all_in_one
    python test_img.py images/0_1_f_36.jpg --model_dir ./save_model/new_saver

## 2.5 指定运行的显卡命令行 ##

[https://blog.csdn.net/gaoprincess/article/details/78738348][https_blog.csdn.net_gaoprincess_article_details_78738348]

CUDA_VISIBLE_DEVICES=1，3 python test_all.py images --model_dir /save_model/new_saver

# 三、参数量的查询 #

## 3.1 tensorflow的参数量的存储 ##

在save\_model/new\_saver这个文件夹里面，

[https://stackoverflow.com/questions/44516609/tensorflow-what-is-the-relationship-between-ckpt-file-and-ckpt-meta-and-ckp][https_stackoverflow.com_questions_44516609_tensorflow-what-is-the-relationship-between-ckpt-file-and-ckpt-meta-and-ckp]

*  `.ckpt-meta` contains the metagraph, i.e. the structure of your computation graph, without the values of the variables (basically what you can see in tensorboard/graph).
 *  `.ckpt-data` contains the values for all the variables, without the structure. To restore a model in python, you'll usually use the meta and data files with (but you can also use the `.pb` file):
    
        saver = tf.train.import_meta_graph(path_to_ckpt_meta)
        saver.restore(sess, path_to_ckpt_data)

checkpoint  # some information on the name of the files in the checkpoint
    my-model.data-00000-of-00001  # the saved weights
    my-model.index  # probably definition of data layout in the previous file
    my-model.meta  # protobuf of the graph (nodes and topology info)

[https_github.com_wangbm_MTCNN-Tensorflow_blob_master_README.md]: https://github.com/wangbm/MTCNN-Tensorflow/blob/master/README.md
[70]: /images/20220512/b8e718bcfc304b65b94c42a229db1f6b.png
[70 1]: /images/20220512/53dff211e15a44a5a1dcd1c5a2211d9a.png
[70 2]: /images/20220512/ca2d87756daf46a0956544893cd40356.png
[70 3]: /images/20220512/d793731f2fe4436683280178cc99a20f.png
[https_blog.csdn.net_u012222949_article_details_72875281]: https://blog.csdn.net/u012222949/article/details/72875281/
[https_github.com_AITTSMD_MTCNN-Tensorflow_blob_master_prepare_data_E8_AF_B4_E6_98_8E]: https://github.com/AITTSMD/MTCNN-Tensorflow/blob/master/prepare_data/%E8%AF%B4%E6%98%8E
[https_blog.csdn.net_gaoprincess_article_details_78738348]: https://blog.csdn.net/gaoprincess/article/details/78738348
[https_stackoverflow.com_questions_44516609_tensorflow-what-is-the-relationship-between-ckpt-file-and-ckpt-meta-and-ckp]: https://stackoverflow.com/questions/44516609/tensorflow-what-is-the-relationship-between-ckpt-file-and-ckpt-meta-and-ckp