TinyMog 模型介绍

稳定调用及效果更好的API，详见视觉开放智能平台：人脸检测与五官定位。 轻量级人脸检测模型TinyMog

模型描述

本模型基于Nas搜索出来的backone + scrfd-0.5G的head module 和FPN结构。

模型使用方式和使用范围

本模型可以检测输入图片中人脸的位置。

代码范例

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

tinymog_face_detection_func = pipeline(Tasks.face_detection, 'damo/cv_manual_face-detection_tinymog')
src_img_path = 'https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/mog_face_detection.jpg'
raw_result = tinymog_face_detection_func(src_img_path)
print('face detection output: {}.'.format(raw_result))

# if you want to show the result, you can run
from modelscope.utils.cv.image_utils import draw_face_detection_no_lm_result
from modelscope.preprocessors.image import LoadImage
import cv2
import numpy as np

# load image from url as rgb order
src_img = LoadImage.convert_to_ndarray(src_img_path)
# save src image as bgr order to local
src_img  = cv2.cvtColor(np.asarray(src_img), cv2.COLOR_RGB2BGR)
cv2.imwrite('src_img.jpg', src_img) 
# draw dst image from local src image as bgr order
dst_img = draw_face_detection_no_lm_result('src_img.jpg', raw_result)
# save dst image as bgr order to local
cv2.imwrite('dst_img.jpg', dst_img)
# show dst image by rgb order
import matplotlib.pyplot as plt
dst_img  = cv2.cvtColor(np.asarray(dst_img), cv2.COLOR_BGR2RGB)
plt.imshow(dst_img)

使用方式

• 推理：输入图片，如存在人脸则返回人脸位置，可检测多张人脸

目标场景

• 人脸相关的基础能力，可应用于人像美颜/互动娱乐/人脸比对等场景, 尤其适应于端上人脸应用场景

模型局限性及可能偏差

• 模型size较小，模型鲁棒性可能有所欠缺。
• 当前版本在python 3.7环境测试通过，其他环境下可用性待测试

预处理

测试时主要的预处理如下：

• Normalize：图像归一化，减均值除以标准差
• Pad：图像高宽补零至32的倍数

模型训练流程

• 本模型使用8卡v100，使用SGD优化器，lr=0.02，在440/544epoch时降低10倍学习率，并在640epoch时产出模型，详见mmcv_tinymog.py

测试集

• WIDERFACE： 测试集已上传至ModelScope的DatasetHub，详情请见WIDER_FACE。

数据评估及结果

模型在WiderFace的验证集上客观指标如下：

人脸相关模型

以下是ModelScope上人脸相关模型:

• 人脸检测

• 人脸识别

• 人脸活体识别

• 人脸关键点

• 人脸属性 & 表情

来源说明

本模型及代码来自达摩院自研技术

引用

如果你觉得这个该模型对有所帮助，请考虑引用下面的相关的论文：

BibTeX