Question

我正在学习opencv和dlib，用于在大学项目中使用的面部检测器，而且我在整个机器学习和计算机视觉方面都很陌生。如何使用FDDB中的评估代码来评估我的面部检测代码？我使用dlib的CNN方法检测图像中的面部。

<manifest package="com.loser.facebooktest"
          xmlns:android="http://schemas.android.com/apk/res/android">

    <uses-permission android:name="android.permission.INTERNET">
    </uses-permission>
    <uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE">
    </uses-permission>

    <application
        android:name=".MyApplication"
        android:icon="@mipmap/ic_launcher"
        android:label="@string/app_name"
        android:theme="@style/AppTheme">

        <meta-data
            android:name="com.facebook.sdk.ApplicationId"
            android:value="@string/facebook_app_id"/>

        <activity android:name=".MainActivity">
            <intent-filter>
                <action android:name="android.intent.action.MAIN"/>

                <category android:name="android.intent.category.LAUNCHER"/>
            </intent-filter>
        </activity>
    </application>

</manifest>

正如您所看到的，代码非常简单，但我必须计算精度，召回率和F1分数来绘制ROC曲线，而我还不知道如何去做，关于该项目的自述github并没有帮助。

Answer 1

至于我在ubuntu16中，我必须通过以下步骤完成：

下载检测到面部并获取检测结果的fddb原始图像数据集。您可以下载它here。这是我的目录：
将所有图像文件路径连接到txt文件，并将所有fddb注释连接到txt文件。您可以下载所有文件here

关于我，我将所有FDDB-FOLD-%d.txt移至目录all_file_path，然后通过cat * > filePath.txt将其加入一个文件

按FDDB-fold-%d-ellipseList.txt

cat *ellipse*.txt > annotFile.txt

请注意，您可能无需创建它，因为runEvaluate.pl已在运行过程中为您执行此操作。

3.创建FDDB evalute exe，在此处下载源代码here 然后编译它，你可以更改makefile，查看原因here，添加

INCS = -I/usr/local/include/opencv

LIBS = -L/usr/local/lib -lopencv_core -lopencv_imgproc -lopencv_highgui
       -lopencv_ml -lopencv_video -lopencv_features2d -lopencv_calib3d 
       -lopencv_objdetect -lopencv_contrib -lopencv_legacy

到make文件。

评估，您可以使用runEvaluate.pl来评估它，但对于我（ubuntu16），我无法直接运行它。

4.1更改GUNPLOT路径（您应首先使用它来安装gnuplot来创建ROC图像）

4.2我使用矩形检测模型，因此我将$detFormat更改为0。

my $detFormat = 0; # 0: rectangle, 1: ellipse 2: pixels

4.3所有图像相对路径：

my $listFile ="/home/xy/face_sample/evaluation/compareROC/FDDB-folds/filePath.txt";

4.4所有图像注释

my $annotFile = "/home/xy/face_sample/evaluation/compareROC/FDDB-folds/annotFile.txt";

4.5要生成的roc文件（由evaluate exe创建）：

my $gpFile ="/home/xy/face_sample/evaluation/compareROC/createROC.p";

4.6你检测文件（我将在后面给出如何创建它）

my $detFile ="/home/xy/face_sample/evaluation/compareROC/detDir/fddb_rect_ret1.txt";

It’s content like that:

'runEvaluate.pl'有一些错误，请将执行评估更改为以下内容：

system($evaluateBin, "-a", $annotFile, "-d", $detFile, "-f", $detFormat, "-i", $imDir, "-l", $listFile, "-r", $detDir, "-z", ".jpg");

您还可以使用命令进行检查：

xy@xy:~/face_sample/evaluation/compareROC$ ./evaluate \
> -a /home/xy/face_sample/evaluation/compareROC/FDDB-folds/annotFile.txt \
> -d /home/xy/face_sample/evaluation/compareROC/detDir/fddb_rect_ret1.txt \
> -f 0 \
> -i /home/xy/face_sample/evaluation/compareROC/originalPics/ \
> -l /home/xy/face_sample/evaluation/compareROC/FDDB-folds/filePath.txt \
> -r /home/xy/face_sample/evaluation/compareROC/detDir/ \
> -z .jpg

使用python创建fddb评估txt文件：

def get_img_relative_path():
    """
    :return: ['2002/08/11/big/img_344', '2002/08/02/big/img_473', ......]
    """
    f_name = 'E:/face_rec/face__det_rec_code/face_det/FDDB-folds/all_img_files.txt'
    lst_name = open(f_name).read().split('\n')

    return lst_name

def write_lines_to_txt(lst):
    # lst = ['line1', 'line2', 'line3']
    f_path = 'fddb_rect_ret.txt'
    with open(f_path, 'w') as fp:

        for line in lst:
            fp.write("%s\n" % line)

# For example use opencv to face detection
def detect_face_lst(img):
    """
    :param img: opencv image 
    :return: face rectangles [[x, y, w, h], ..........]
    """
    m_path = 'D:/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml'
    face_cascade = cv2.CascadeClassifier(m_path)

    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    return faces


def generate_fddb_ret():
    # The directory from which we get the test images from FDDB
    img_base_dir = 'E:/face_rec/face__det_rec_code/face_det/originalPics/'

    # All the images relative path, like '['2002/08/11/big/img_344', '2002/08/02/big/img_473', ......]'
    lst_img_name = get_img_relative_path()

    # Store detect result, like:
    # ['2002/08/11/big/img_344', '1', '10 10 50 50 1', .............]
    lst_write2_fddb_ret = []

    try:
        for img_name in lst_img_name:
            img_full_name = img_base_dir + img_name + '.jpg'
            img = cv2.imread(img_full_name)

            if img == None:
                print 'error %s not exists, can not generate complete fddb evaluate file' % img_full_name
                return -1

            lst_face_rect = detect_face_lst(img)

            # append img name like '2002/08/11/big/img_344'
            lst_write2_fddb_ret.append(img_name)

            face_num = len(lst_face_rect)
            # append face num, note if no face 0 should be append
            lst_write2_fddb_ret.append(str(face_num))

            if face_num > 0:
                # append each face rectangle x y w h score
                for face_rect in lst_face_rect:
                    # append face rectangle x, y, w, h score
                    # note: opencv hava no confidence so use 1 here
                    s_rect = " ".join(str(item) for item in face_rect) + " 1"
                    lst_write2_fddb_ret.append(s_rect)

    except Exception as e:
        print 'error %s , can not generate complete fddb evaluate file' % e
        return -1

    # Write all the result to txt for FDDB evaluation
    write_lines_to_txt(lst_write2_fddb_ret)

运行上面的代码后，您可以创建FDDB结果：

注意：在windows中创建上面的txt时，如果你在ubuntu中测试它，你可能会收到以下错误Incompatible annotation and detection files. See output specifications：

只需将内容复制到新的txt文件（在ubuntu中创建）然后解决。

结果如下：

一些提示：

您可以看到runEvaluate.pl并不难，可能不需要进行上述更改。您还可以更改runEvaluate.pl中的某个变量，例如$GNUPLOT，{{1 }} 等等。将$imDir添加到 system（$ evaluateBin，“ - a”，$ annotFile，“ - d”，$ detFile，“ - f”，$ detFormat，“ - i”，$ imDir，“ - l”，$ listFile，“ - r”， $ detDir）;

system（$ evaluateBin，“ - a”，$ annotFile，“ - d”，$ detFile，“ - f”，$ detFormat，“ - i”，$ imDir，“ - l”，$ listFile，“ - r“，$ detDir，” - z“，”.jpg“）;
您还可以阅读"-z", ".jpg"代码（主要是易于理解的evaluate代码），这样您就可以深入了解如何评估它。
< / LI>

Answer 2

你能解释一下你所处的步骤吗？

您需要从以下位置下载标记数据： http://vis-www.cs.umass.edu/fddb/表示：下载数据库

之后你需要下载结果源代码： http://vis-www.cs.umass.edu/fddb/results.html

然后你需要修改程序，使输出如下所示：

2002/08/11/big/img_591
1
191 88 164 163 0
2002/08/26/big/img_265
3
52 39 95 95 0
282 59 114 114 0

首先是图像的名称，那么那张图片中的面孔数量，然后对每张脸进行协调并重复...

我建议你在linux上构建评估，因为它更容易（至少对我而言）。

希望它有所帮助。

FDDB评估代码

2 个答案: