tensorfolw训练mtcnn模型

tensorfolw训练mtcnn模型 里面有详细的指导文档 教你一步步操作

import tensorflow as tf
import numpy as np



class Detector（object）:
    #net_factory:rnet or onet
    #datasize:24 or 48
    def __init__（self net_factory data_size batch_size model_path）:
        graph = tf.Graph（）
        with graph.as_default（）:
            self.image_op = tf.placeholder（tf.float32 shape=[batch_size data_size data_size 3] name=‘input_image‘）
            #figure out landmark            
            self.cls_prob self.bbox_pred self.landmark_pred = net_factory（self.image_op training=False）
            self.sess = tf.Session（
                config=tf.ConfigProto（allow_soft_placement=True gpu_options=tf.GPUOptions（allow_growth=True）））
            saver = tf.train.Saver（）
            #check whether the dictionary is valid
            self.join = ‘/‘.join（model_path.split（‘/‘）[:-1]）
            model_dict = self.join
            ckpt = tf.train.get_checkpoint_state（model_dict）
            print（“model_path: “ model_path）
            readstate = ckpt and ckpt.model_checkpoint_path
            assert  readstate “the params dictionary is not valid“
            print（“restore models‘ param“）
            saver.restore（self.sess model_path）

        self.data_size = data_size
        self.batch_size = batch_size
    #rnet and onet minibatch（test）
    def predict（self databatch）:
        # access data
        # databatch: N x 3 x data_size x data_size
        scores = []
        batch_size = self.batch_size

        minibatch = []
        cur = 0
        #num of all_data
        n = databatch.shape[0]
        while cur < n:
            #split mini-batch
            minibatch.append（databatch[cur:min（cur + batch_size n） : : :]）
            cur += batch_size
        #every batch prediction result
        cls_prob_list = []
        bbox_pred_list = []
        landmark_pred_list = []
        for idx data in enumerate（minibatch）:
            m = data.shape[0]
            real_size = self.batch_size
            #the last batch 
            if m < batch_size:
                keep_inds = np.arange（m）
                #gap （difference）
                gap = self.batch_size - m
                while gap >= len（keep_inds）:
                    gap -= len（keep_inds）
                    keep_inds = np.concatenate（（keep_inds keep_inds））
                if gap != 0:
                    keep_inds = np.concatenate（（keep_inds keep_inds[:gap]））
                data = data[keep_inds]
                real_size = m
            #cls_prob batch*2
            #bbox_pred batch*4
            cls_prob bbox_predlandmark_pred = self.sess.run（[self.cls_prob self.bbox_predself.landmark_pred] feed_dict={self.image_op: data}）
            #num_batch * batch_size *2
            cls_prob_list.append（cls_prob[:real_size]）
            #num_batch * batch_size *4
            bbox_pred_list.append（bbox_pred[:real_size]）
            #num_batch * batch_size*10
            landmark_pred_list.append（landmark_pred[:real_size]）
            #num_of_data*2nu

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-07-10 16:12  MTCNN-Tensorflow-master\
     目录           0  2019-07-10 16:05  MTCNN-Tensorflow-master\.idea\
     目录           0  2019-06-11 10:06  MTCNN-Tensorflow-master\.idea\libraries\
     文件         128  2019-06-11 10:06  MTCNN-Tensorflow-master\.idea\libraries\R_User_Library.xml
     文件         185  2019-07-09 10:23  MTCNN-Tensorflow-master\.idea\misc.xml
     文件         284  2018-10-16 02:08  MTCNN-Tensorflow-master\.idea\modules.xml
     文件         576  2019-07-09 10:23  MTCNN-Tensorflow-master\.idea\MTCNN-Tensorflow.iml
     文件       31376  2019-07-10 16:05  MTCNN-Tensorflow-master\.idea\workspace.xml
     目录           0  2019-06-27 17:19  MTCNN-Tensorflow-master\data\
     目录           0  2018-10-16 02:08  MTCNN-Tensorflow-master\data\MTCNN_model\
     目录           0  2019-07-10 15:50  MTCNN-Tensorflow-master\data\MTCNN_model\ONet_landmark\
     文件         187  2019-07-09 19:46  MTCNN-Tensorflow-master\data\MTCNN_model\ONet_landmark\checkpoint
     文件     3110276  2019-07-09 19:46  MTCNN-Tensorflow-master\data\MTCNN_model\ONet_landmark\ONet-22.data-00000-of-00001
     文件        1548  2019-07-09 19:46  MTCNN-Tensorflow-master\data\MTCNN_model\ONet_landmark\ONet-22.index
     文件      252409  2019-07-09 19:46  MTCNN-Tensorflow-master\data\MTCNN_model\ONet_landmark\ONet-22.meta
     目录           0  2019-07-10 15:50  MTCNN-Tensorflow-master\data\MTCNN_model\PNet_landmark\
     文件         187  2019-07-09 18:38  MTCNN-Tensorflow-master\data\MTCNN_model\PNet_landmark\checkpoint
     文件       55700  2019-07-09 18:38  MTCNN-Tensorflow-master\data\MTCNN_model\PNet_landmark\PNet-30.data-00000-of-00001
     文件        1185  2019-07-09 18:38  MTCNN-Tensorflow-master\data\MTCNN_model\PNet_landmark\PNet-30.index
     文件      209915  2019-07-09 18:38  MTCNN-Tensorflow-master\data\MTCNN_model\PNet_landmark\PNet-30.meta
     目录           0  2019-07-10 15:51  MTCNN-Tensorflow-master\data\MTCNN_model\RNet_landmark\
     文件         187  2019-07-09 18:08  MTCNN-Tensorflow-master\data\MTCNN_model\RNet_landmark\checkpoint
     文件      810724  2019-07-09 18:08  MTCNN-Tensorflow-master\data\MTCNN_model\RNet_landmark\RNet-22.data-00000-of-00001
     文件        1311  2019-07-09 18:08  MTCNN-Tensorflow-master\data\MTCNN_model\RNet_landmark\RNet-22.index
     文件      229545  2019-07-09 18:08  MTCNN-Tensorflow-master\data\MTCNN_model\RNet_landmark\RNet-22.meta
     目录           0  2019-07-10 08:51  MTCNN-Tensorflow-master\Detection\
     文件        3164  2019-07-09 14:17  MTCNN-Tensorflow-master\Detection\detector.py
     文件        2509  2018-10-16 02:08  MTCNN-Tensorflow-master\Detection\detector.pyc
     文件        1854  2019-07-10 08:51  MTCNN-Tensorflow-master\Detection\fcn_detector.py
     文件        2047  2018-10-16 02:08  MTCNN-Tensorflow-master\Detection\fcn_detector.pyc
     文件       17999  2018-10-16 02:08  MTCNN-Tensorflow-master\Detection\MtcnnDetector.py
............此处省略144个文件信息