README.md · CV_Lab/FaceLabeling

基于YOLOv5的智能人脸数据标注工具，实现人脸数据标注自动化

可自定义人脸检测模型、可导出多种格式标签，包括PASCAL VOC XML、MS COCO JSON、YOLO TXT

🚀 作者简介

曾逸夫，从事人工智能研究与开发；主研领域：计算机视觉；YOLOv8官方开源项目代码贡献人；YOLOv5官方开源项目代码贡献人；YOLOv5 v6.1代码贡献人；YOLOv5 v6.2代码贡献人；YOLOv5 v7.0代码贡献人；Gradio官方开源项目代码贡献人

❤️ Github：https://github.com/Zengyf-CVer

🔥 YOLOv8 官方开源项目PR ID：

Fix YOLOv8 Chinese introduction：https://github.com/ultralytics/ultralytics/pull/219
Add codespell and upgrade some components：https://github.com/ultralytics/ultralytics/pull/599
Add pycln：https://github.com/ultralytics/ultralytics/pull/7141
Fix heatmap width and height parameter bug：https://github.com/ultralytics/ultralytics/pull/7368
ultralytics 8.0.237 cv2.CAP_PROP fix and in_counts and out_counts displays：https://github.com/ultralytics/ultralytics/pull/7380

💡 Ultralytics v8.1.0 代码贡献链接：

https://github.com/ultralytics/ultralytics/releases/tag/v8.1.0

🔥 YOLOv5 官方开源项目PR ID：

Save *.npy features on detect.py --visualize：https://github.com/ultralytics/yolov5/pull/5701
Fix detect.py --view-img for non-ASCII paths：https://github.com/ultralytics/yolov5/pull/7093
Fix Flask REST API：https://github.com/ultralytics/yolov5/pull/7210
Add yesqa to precommit checks：https://github.com/ultralytics/yolov5/pull/7511
Add mdformat to precommit checks and update other version：https://github.com/ultralytics/yolov5/pull/7529
Add TensorRT dependencies：https://github.com/ultralytics/yolov5/pull/8553
Add paddle tips：https://github.com/ultralytics/yolov5/pull/9502

💡 YOLOv5 v6.1 & v6.2 & v7.0 代码贡献链接：

🔥 Gradio 官方开源项目PR ID：

Create a color generator demo：https://github.com/gradio-app/gradio/pull/1872

🔥 Gradio 官方开源项目PR ID：

Create a color generator demo：https://github.com/gradio-app/gradio/pull/1872

🚀更新走势

2022-07-20 ⚡ Face Labeling v0.2.2 发行版正式上线
2022-06-12 ⚡ Face Labeling v0.2 发行版正式上线
2022-04-25 ⚡ Face Labeling v0.1 发行版正式上线

💎项目流程与用途

📌 项目整体流程与扩展应用

📌 项目功能结构与信息流

💡项目结构

.
├── face-labeling							# 项目名称
│   ├── util								# 工具包
│   │   ├── voc_xml.py						# PASCAL VOC XML
│   │   ├── coco_json.py					# MS COCO JSON
│   │   ├── yolo_txt.py						# YOLO TXT
│   │   ├── model_opt.py					# 模型管理
│   │   ├── obj_opt.py						# 目标管理
│   │   ├── path_opt.py						# 路径管理
│   │   ├── log.py							# 日志管理
│   │   └── time_format.py					# 日期格式化
│   ├── data								# 测试数据
│   │   └── imgs							# 测试图片，来源于WIDER FACE Test
│   ├── models								# 模型Hub
│   │   ├── readme.md						# 模型Hub README
│   │   ├── *.pt							# PyTorch模型
│   │   └── *.onnx							# ONNX模型
│   ├── face_labeling.py					# 主运行文件
│   ├── LICENSE								# 项目许可
│   ├── CodeCheck.md						# 代码检查
│   ├── .gitignore							# git忽略文件
│   ├── yolov5_widerface.md					# 基于YOLOv5的人脸检测模型的构建
│   ├── yolov5_pytorch_gpu.md				# YOLOv5 PyTorch GPU安装教程
│   ├── README.md							# 项目说明
│   └── requirements.txt					# 脚本依赖包

🔥安装教程

✅ 第一步：安装Face Labeling

📌 创建conda环境

conda create -n facelabel python==3.8
conda activate facelabel # 进入环境

📌 克隆

git clone https://gitee.com/CV_Lab/face-labeling.git

✅ 第二步：安装Face Labeling依赖

cd ./face-labeling
conda activate facelabel # 进入环境
pip install -r requirements.txt -U

📌 将人脸模型文件（.pt）放入models 目录中

❗ 注意：yolov5默认采用pip安装PyTorch GPU版，如果采用官网安装PyTorch GPU版，参见YOLOv5 PyTorch GPU安装教程

✅ 基于YOLOv5的人脸检测模型的构建

📌 widerface-m人脸检测模型是在WIDER FACE数据集上，基于YOLOv5 v6.1训练的，具体训练过程参见yolov5_widerface.md

📌 darkface-m人脸检测模型是在DARK FACE数据集上，基于YOLOv5 v6.1训练的，具体训练过程参见yolov5_darkface.md

❤️ 本项目提供了以下人脸检测模型：

模型名称	下载地址	模型大小	适用范围	适用设备
widerface-m	百度云 , 提取码：5gfs	42.1MB	实时,图片,视频	GPU
darkface-m	百度云 , 提取码：mm2k	42.2MB	实时,图片,视频	GPU

⚡使用教程

💡 webcam实时标注

# a键捕获视频帧，q键退出
python face_labeling.py

💡 图片标注（包括批量图片标注）

python face_labeling.py -m img # 默认测试图片目录data/imgs
python face_labeling.py -m img -imd ./img_dir # 指定图片目录

❗ 注：本项目支持的图片输入格式：jpg | jpeg | png | bmp | tif | webp

💡 视频标注（包括批量视频标注）

python face_labeling.py -m video # 默认测试视频目录data/videos
python face_labeling.py -m video -vd ./video_dir # 指定视频目录

❗ 注：本项目支持的视频输入格式：mp4 | avi | wmv | mkv | mov | gif | vob | swf | mpg | flv | 3gp | 3g2

❗ 说明：以上三种检测模式都会在项目根目录中生成FaceFrame目录，该目录会生成frame*的子目录，子目录结构如下：

# webcam和图片标注的目录
.
├── FaceFrame						# 人脸数据保存目录
│   ├── frame						# 子目录
│   │   ├── raw						# 原始图片
│   │   ├── tag						# 标记图片（包括：人脸检测框、人脸ID、置信度、帧ID、FPS、人脸总数，人脸尺寸类型（小、中、大）数量）
│   │   ├── voc_xml					# PASCAL VOC XML 标注文件
│   │   ├── coco_json				# MS COCO JSON 标注文件
│   │   ├── yolo_txt				# YOLO TXT 标注文件
│   ├── frame2						# 子目录
│   │   ├── raw						# 原始图片
│   │   ├── ......

# 视频标注的目录
.
├── FaceFrame						# 人脸数据保存目录
│   ├── frame						# 子目录
│	│   ├── video_name01			# 子视频目录
│   │   │   ├── raw					# 原始图片
│   │   │   ├── tag					# 标记图片（包括：人脸检测框、人脸ID、置信度、帧ID、FPS、人脸总数，人脸尺寸类型（小、中、大）数量）
│   │   │   ├── voc_xml				# PASCAL VOC XML 标注文件
│   │   │   ├── coco_json			# MS COCO JSON 标注文件
│   │   │   ├── yolo_txt			# YOLO TXT 标注文件
│	│   ├── video_name02			# 子视频目录
│   │   │   ├── raw					# 原始图片
│   │   │   ├── ......

❗ 查看检测结果：人脸图片检测结果会保存在FaceFrame/frame*/tag中，以python face_labeling.py -m img为例运行项目自带检测图片，检测结果如下：

widerface-m检测结果

💡 自定义人脸模型

# 默认为widerface-m
python face_labeling.py -mn face_model # 以实时标注为例
python face_labeling.py -mn darkface-m # 以实时标注为例，darkface-m.pt

💡 自定义类别

# 默认为face，以口罩识别为例
python face_labeling.py -cls mask # 口罩类
python face_labeling.py -cls without-mask # 未戴口罩类

💡 自定义模型参数

# 可以根据自定义人脸模型进行相应的调参，以实时标注为例

# 自定义设备，默认为cuda:0
python face_labeling.py
python face_labeling.py -dev 0 # cuda:0版
python face_labeling.py -dev cpu # cpu版

# NMS 置信度阈值，默认为0.5
python face_labeling.py -conf 0.8

# NMS IoU阈值，默认为0.45
python face_labeling.py -iou 0.5

# 单张图片的最大检测目标数，默认为1000
python face_labeling.py -mdn 10

# 以上参数也可以同时使用，例如：
python face_labeling.py -conf 0.8 -iou 0.5
python face_labeling.py -conf 0.8 -iou 0.5 -mdn 10

# 模型推理尺寸
python face_labeling.py -isz 320

# 强制重载YOLOv5
python face_labeling.py -ry

💡 设置标签样式

# 以实时标注为例
python face_labeling.py -ls id # 标签仅显示ID
python face_labeling.py -ls conf # 标签仅显示置信度（%）

widerface-m检测结果（标签ID）

widerface-m检测结果（标签置信度）

💡 设置标签进度条

python face_labeling.py -lpb bar

widerface-m检测结果（标签进度条）

💡 关闭检测标签

python face_labeling.py -lds # 以实时标注为例

widerface-m检测结果

💡 自定义保存目录名称

# 默认为FaceFrame
python face_labeling.py -fsd face_dir # 以实时标注为例

💡 自定义保存子目录名称

# 默认为frame
python face_labeling.py -fdn face_subDir # 以实时标注为例

💡 自定义图片前缀

# 默认为face_test
python face_labeling.py -in face # 以实时标注为例

💬 技术交流

如果你发现任何Face Labeling存在的问题或者是建议, 欢迎通过Gitee Issues给我提issues。
欢迎加入CV Lab技术交流群

CV_Lab / FaceLabeling

🚀 作者简介

🚀更新走势

💎项目流程与用途

📌 项目整体流程与扩展应用

📌 项目功能结构与信息流

💡项目结构

🔥安装教程

✅ 第一步：安装Face Labeling

✅ 第二步：安装Face Labeling依赖

✅ 基于YOLOv5的人脸检测模型的构建

⚡使用教程

💡 webcam实时标注

💡 图片标注（包括批量图片标注）

💡 视频标注（包括批量视频标注）

💡 自定义人脸模型

💡 自定义类别

💡 自定义模型参数

💡 设置标签样式

💡 设置标签进度条

💡 关闭检测标签

💡 自定义保存目录名称

💡 自定义保存子目录名称

💡 自定义图片前缀

💬 技术交流

简介

发行版 (3)

贡献者

近期动态

CV_Lab / FaceLabeling .gitee-modal { width: 500px !important; }

🚀 作者简介

🚀更新走势

💎项目流程与用途

📌 项目整体流程与扩展应用

📌 项目功能结构与信息流

💡项目结构

🔥安装教程

✅ 第一步：安装Face Labeling

✅ 第二步：安装Face Labeling依赖

✅ 基于YOLOv5的人脸检测模型的构建

⚡使用教程

💡 webcam实时标注

💡 图片标注（包括批量图片标注）

💡 视频标注（包括批量视频标注）

💡 自定义人脸模型

💡 自定义类别

💡 自定义模型参数

💡 设置标签样式

💡 设置标签进度条

💡 关闭检测标签

💡 自定义保存目录名称

💡 自定义保存子目录名称

💡 自定义图片前缀

💬 技术交流

简介

发行版 (3)

开源评估指数源自 OSS-Compass 评估体系，评估体系围绕以下三个维度对项目展开评估：

贡献者

近期动态

搜索帮助

CV_Lab / FaceLabeling