yolov9-face-detection

<h1 align="center"><span>YOLOv9人脸检测</span></h1>

人脸检测任务是在图像或视频中识别和定位人脸。本仓库演示了如何在WIDER Face数据集上训练YOLOv9模型，以实现高精度的人脸检测。

<p align="center" margin: 0 auto;> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/31077845-f962-4d15-9d9f-0c457c78900a.jpg" /> </p>

⚙️ 安装

克隆此仓库并安装YOLOv9的requirements.txt：

git clone https://github.com/spacewalk01/yolov9-face-detection
cd yolov9-face-detection/yolov9
pip install -r requirements.txt

🤖 预训练模型

从谷歌云盘下载预训练的yolov9-c.pt模型。请注意，此模型在WIDER数据集上训练了240轮。

📚 数据准备

WIDER数据集包含超过30k张图像，其中包含超过390k个人脸，每个人脸都有边界框和其他各种标签格式。

数据集结构

${ROOT}
└── yolov9
└── datasets/    
    └── widerface/
        └── train/
        └── val/
    └── original-widerface/
        └── train/
            └── images/
            └── label.txt
        └── val/
            └── images/
            └── label.txt
└── train2yolo.py
└── val2yolo.py
└── widerface.yaml

准备数据的步骤：

1. 下载WIDER-FACE数据集。
2. 从谷歌云盘下载注释文件。

运行以下命令：

python train2yolo.py datasets/original-widerface/train datasets/widerface/train
python val2yolo.py datasets/original-widerface datasets/widerface/val

这些脚本会将注释文件转换为YOLO格式，为每张图像创建一个.txt文件。文件中的每一行代表一个对象，格式为：类别 x中心 y中心 宽度 高度。

🏋️ 训练

使用以下命令训练模型：

cd yolov9
python train_dual.py --workers 4 --device 0 --batch 4 --data ../widerface.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15

🌱 推理

使用以下命令进行推理：

python detect.py --weights runs/train/yolov9-c5/weights/best.pt --source assets/worlds-largest-selfie.jpg

或者如果你想使用训练好的模型，从上面的链接下载并运行以下命令：

python detect.py --weights best.pt --source assets/worlds-largest-selfie.jpg

🔗 参考

• YOLOv9 - YOLOv9：使用可编程梯度信息学习你想学的内容
• WIDER FACE - WIDER FACE：人脸检测基准
• YOLO5Face - YOLO5Face：为什么要重新发明人脸检测器