【2018.05.21 更新】------------
トレーニング中に損失が正常に減少していることがわかりましたが、評価段階の eval は非常に低いままです。データセットの問題だと思い、相談した結果、それが問題であることが確認されました。WIDER にはぼやけた小さな顔の注釈が多く含まれています。そのため、コードを変換して超小さな顔をフィルタリングする機能を追加しました。
私は普段 caffe を使用していますが、オープンソースのデータセット形式が統一されていません。
今日は WIDER 顔データ形式を VOC 形式に変換するツールを作成しました。
#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""
Created on Wed May 16 14:28:19 2018
author: hans
"""
import os
import cv2
from lxml.etree import Element, SubElement, tostring, ElementTree
#最小取20サイズの顔を選択し、補完する
minsize2select=20
def saveINFO(img_info,box_info,face_num):
node_root = Element('annotation')
node_folder = SubElement(node_root, 'folder')
node_folder.text = img_info[0]
node_filename = SubElement(node_root, 'filename')
node_filename.text = img_info[1]
node_size = SubElement(node_root, 'size')
node_width = SubElement(node_size, 'width')
node_width.text = str(img_info[3])
node_height = SubElement(node_size, 'height')
node_height.text = str(img_info[2])
node_depth = SubElement(node_size, 'depth')
node_depth.text = str(img_info[4])
for i in range(face_num):
node_object = SubElement(node_root, 'object')
node_name = SubElement(node_object, 'name')
node_name.text = 'face'
node_bndbox = SubElement(node_object, 'bndbox')
node_xmin = SubElement(node_bndbox, 'xmin')
node_xmin.text = str(box_info[i][0])
node_ymin = SubElement(node_bndbox, 'ymin')
node_ymin.text = str(box_info[i][1])
node_xmax = SubElement(node_bndbox, 'xmax')
node_xmax.text = str(box_info[i][2])
node_ymax = SubElement(node_bndbox, 'ymax')
node_ymax.text = str(box_info[i][3])
# xml = tostring(node_root, pretty_print=True) #フォーマット表示、改行する
if not os.path.exists(xml_root_path+img_info[0]+'/'):
os.makedirs(xml_root_path+img_info[0]+'/')
xml_path = xml_root_path+img_info[0]+'/'+img_info[1]+'.xml'
doc = ElementTree(node_root)
doc.write(open(xml_path, "w"), pretty_print=True)
print xml_path
if __name__=='__main__':
# mode = 'val'
mode = 'train'
txt_name = 'wider_face_'+mode+'_bbx_gt.txt'
img_root_path = '/data/face/WIDER/WIDER_'+mode+'/images/'
txt_root_path = '/data/face/WIDER/wider_face_split/'
xml_root_path = '/data/face/WIDER/WIDER_'+mode+'/anno_no_small_face/'
f = open(txt_root_path+txt_name,'r')
line = f.readline().split('\n')[0]
while line:
if '--' in line:
img_info = []
box_info = []
face_num = f.readline().split('\n')[0]
num = 0
for i in range(int(face_num)):
box_line = f.readline().split('\n')[0]
xmin = int(box_line.split(' ')[0])
ymin = int(box_line.split(' ')[1])
xmax = xmin+int(box_line.split(' ')[2])
ymax = ymin+int(box_line.split(' ')[3])
height = int(box_line.split(' ')[3])
width = int(box_line.split(' ')[2])
if height<minsize2select or width<minsize2select:
continue
box_info.append([])
box_info[num].append(xmin)
box_info[num].append(ymin)
box_info[num].append(xmax)
box_info[num].append(ymax)
num=num+1
if num>0:
img_info.append(line.split('/')[0]) # folder
img_info.append(line.split('/')[1].split('.')[0]) # name
img_path = img_root_path+line
img = cv2.imread(img_path)
img_info.append(img.shape[0]) # height
img_info.append(img.shape[1]) # weight
img_info.append(img.shape[2]) # channel
saveINFO(img_info,box_info,num)
# cv2.rectangle(img,(xmin,ymin),(xmax,ymax),(0,0,255),2)
# cv2.namedWindow("test", cv2.WINDOW_NORMAL)
# cv2.imshow("test",img)
# cv2.waitKey()
# print 'asdasdasdasd'
line = f.readline().split('\n')[0]
f.close()
print '完了！'