Facial Alignment

faceAlignment_tensorflow 基于tensorflow 实现了现有先进的人脸对齐算法(the state-of-the-art deep learning models) 主要包括以下几个方面:

1. 利用tensorfow复现了现有人脸对齐算法的训练代码，尽量达到paper中的水平
2. 基于numpy实现了人脸对齐领域常用的几种评价指标(如MSE, normalized MSE, etc.)
3. 基于tf.data API 实现了对不同标注格式的人脸对齐数据集的加载，预处理和可视化
4. 简单的数据增广

依赖

• tensorflow >=1.4.0
• python == 3.5
• opencv == 3.3.0
• numpy

组织结构

• face_alignment: 根目录
  • model_zoo: 定义算法网络模型文件
  • tools: 训练，评测,数据可视化，数据增广脚本
  • utils：辅助功能，如绘制点/矩形框，数据集加载，日志，评测指标等
• model: 训练模型存放路经
• data 相关数据资源文件，如meanshape等
• README.md

支持的算法

• DAN

• FAN

• PRNet

支持的数据集

• 300W (image-pts pair)
• 300W-LP(image-mat pair)
• AFLW2000-3D(image-mat pair)
• 300VW(todo)

性能对比

• MSE normalized by pupil distance

网络	stage	300W-common	300W-challege	AFLWW2000	speed(ms/face)	显存占用(%)
dan_vgg_112_300W	1/2	1	14	14	1.3	65
dan_vgg_112_300WAugment	1/2	7.43/6.10	14.99/11.40	49.013/40.23	3-5	25
dan_resnet_112_300WAugment	1/2	8.933/0.06133	13.430/11.345	44.712/44.072	4-7
dan_mobilenet_112_300WAugment	1/2	8.323/8.294	14.892/14.617	48.134/47.506	2-5
prnet_256_300WLP	-	7.607	14.631	14.988	10	75
dan_resnet_112_300WAugment	1/2	1	32	8	1.3	78

• MSE normalized by diagonal box distance

网络	stage	300W-common	300W-challege	AFLWW2000	speed(ms/face)	显存占用(%)
prnet_256_300WLP(paper)	-	2.22	3.67	2.3	10	-
FAN_256_300WLP(paper)	-	-	-	3.38	10	-
FAN_256_300WLP(train)	-	2.15	3.68	2.57	25	-