基于python和alexnet模型實作的人臉檢測
轉：https://blog.csdn.net/aiwodaqinshi/article/details/81366588
系統環境：ubuntu16.04 核心：4.15.0-29-generic
首先要配置好caffe的環境，caffe環境的搭建就不在這裡說了
下面開始進入正題：正式實作人臉檢測功能
接下來所需要的所有檔案及腳本： https://download.csdn.net/download/aiwodaqinshi/10580383
注：由于上傳檔案大小被限制了，圖檔就不上傳了，想要詳細按照流程進行一遍此實驗的需要自己準備圖檔資料源，
如果隻是想達到最終人臉檢測的效果，模型和調用author.py腳本我已經上傳隻需要适當修改路徑即可。
1 建立工程目錄
1.建立一個目錄face_detect，用來存儲此次工程項目，最好建立在目前使用者的家目錄下
2.在face_detect目錄建立一個train目錄和一個val目錄，分别用來儲存訓練的圖檔和測試的圖檔。
3.train目錄下建立一個0目錄和1目錄，分别存放人臉圖檔和非人臉圖檔
講過上面的操作，現在目錄結構應該是下面這樣。
2 制作LMDB資料源
4.給樣本打标簽
本次試驗中人臉的資料标簽為0，非人臉的資料标簽為1，然後再face_detect目錄下建立一個train.txt檔案，用來存儲标簽，一會制作LMDB模型時會用到。train.txt 檔案的格式為：
1/xxx1.jpg 1
0/xxx.0jpg 0
其中xxx0為非人臉圖檔的檔案名，xxx1為人臉圖檔的檔案名
接着再建立一個val.txt檔案格式同上
注：train.txt檔案val.txt檔案會上傳，圖檔太大了超過了限制就不上傳了。
5.制作LMDB資料源
通過提前寫好的 face-lmdb.sh腳本(腳本也會上傳)放到工程目錄face_detect下，隻需要将腳本中内容适當修改即可制作好資料源。
需要修改的内容有：
注：face-lmdb.sh腳本也會上傳
- 第五行：路徑改為目前工程目錄的絕對路徑，就是/home/yourname/face_detect
- 第六行：路徑改為目前工程目錄的絕對路徑,同上
- 第七行：caffe安裝的工具的檔案下,例如我的是 /home/zzy/caffe/build/tools
- 第九行：改為工程目錄中中train目錄的絕對路徑
-
第十行：改為工程目錄中val目錄的絕對路徑
此處修改看着不太懂可以參考我的腳本檔案進行修改。
修改完後，儲存，執行此腳本即可生成LMDB資料源，此過程時間較長，這是在face_detect下會生成如下兩個目錄。
caffe人臉檢測基于python和alexnet模型實作的人臉檢測
3 訓練模型
6.将一開始準備好的網絡模型檔案（train.prototxt）及超參數檔案（solver.prototxt）放到face_detect目錄中，
然後執行train.sh腳本即可對模型進行訓練，
train.sh需要改的地方就是路徑問題，這裡就不多說了。
指行完train.sh腳本會生在face_detect下生成model目錄，目錄下生成如下模型，這裡疊代了50000次
注：模型檔案以及超參數檔案和train.sh腳本也都會上傳
4 實作多尺度人臉檢測
根據deploy.prototxt檔案(全連接配接時使用）和deploy_full_conv.prototxt檔案(全卷積時使用)
以及上一步中生成的_iter_50000.caffemodel模型，生成alexnet_iter_50000_full_conv.caffemodel模型檔案
innerToConv.py腳本實作這一過程，腳本見 http://www.mamicode.com/info-detail-1918510.html
然後執行author.py腳本即可
最終實際效果圖。