Animal_human_kp人脸与马脸迁移学习GitHub 论文实现

Interspecies Knowledge Transfer for Facial Keypoint Detection关键点检测

 

Github地址：Interspecies Knowledge Transfer for Facial Keypoint Detection(迁移学习检测动物头部关键点)

基于torch进行论文中想法的实现

论文地址

1. Torch的安装部分

不得不说torch要比caffe好配置多了，emm , 祝愿你们可以一次性顺利配置好，话不多说开始了

Torch的github库https://github.com/torch/distro

git clone https://github.com/torch/distro.git ~/torch --recursive
# 国内git clone特别慢，建议参考前一篇博客https://www.cnblogs.com/pprp/p/9450512.html进行加速,或者采用我的git lab(git clone https://gitlab.com/pprp/distro.git ~/torch --recursive)
# 假设在~/torch下进行配置，你也可以更改位置
cd ~/torch
# 安装依赖（如果失败了，记得查看有哪些失败了，然后手动重装）
bash install-deps
# 安装
./install.sh
source ~/.bashrc

uninstall 卸载

rm -rf ~/torch
./clean.sh

可以使用命令行中的Luarocks安装新软件包：

# run luarocks WITHOUT sudo
$ luarocks install image
$ luarocks list

安装完成后，您可以使用命令来运行火炬th

Th简介详细介绍

$ th
 
  ______             __   |  Torch7                                   
 /_  __/__  ________/ /   |  Scientific computing for Lua.         
  / / / _ / __/ __/ _   |                                           
 /_/  \___/_/  \__/_//_/  |  https://github.com/torch   
                          |  http://torch.ch            
			  
th> torch.Tensor{1,2,3}
 1
 2
 3
[torch.DoubleTensor of dimension 3]

th>

要退出交互式会话，请键入^c两次 - 控制键以及c键，两次或键入os.exit()。一旦用户输入了完整的表达式，例如1 + 2，并且命中输入，交互式会话将评估表达式并显示其值。

要评估在源文件file.lua中编写的表达式，请编写 dofile "file.lua"。

要以非交互方式在文件中运行代码，可以将其作为th命令的第一个参数::

$ th file.lua

有多种方法可以运行Lua代码并提供选项，类似于可用于perl和ruby程序的选项：

 $ th -h
Usage: th [options] [script.lua [arguments]]

Options:
  -l name            load library name
  -e statement       execute statement
  -h,--help          print this help
  -a,--async         preload async (libuv) and start async repl (BETA)
  -g,--globals       monitor global variables (print a warning on creation/access)
  -gg,--gglobals     monitor global variables (throw an error on creation/access)
  -x,--gfx           start gfx server and load gfx env
  -i,--interactive   enter the REPL after executing a script

2. 具体用法

Update

To update your already installed distro to the latest master branch of torch/distro simply run:

./update.sh

Cleaning

To remove all the temporary compilation files you can run:

./clean.sh

To remove the installation run:

# Warning: this will remove your current installation
rm -rf ./install

You may also want to remove the torch-activate entry from your shell start-up script (~/.bashrc or ~/.profile).

Test

You can test that all libraries are installed properly by running:

./test.sh

3. 继续配置animal_human_kp

1. 安装一些其他配置

Install Torch requirements:

• torchx

luarocks install torchx

• npy4th (You may need to checkout commit from 5-10-16)

git clone https://github.com/htwaijry/npy4th.git
cd npy4th
luarocks make

Install Python requirements if needed:

• numpy
• scipy
• matplotlib
• PIL

Install the Spatial Tranformer module provided:

cd stnbhwd-master
luarocks make

2. 数据集

cd ~/animal_human_kp
cd data
wget https://www.dropbox.com/s/9t770jhcjqo3mmg/release_data.zip
unzip *.zip

3.模型下载

cd ~/animal_human_kp
cd models
wget https://www.dropbox.com/s/44ocinlmx8mp8v2/release_models.zip
unzip *.zip

4. 开始数据的测试

cd ~/animal_human_kp
mkdir output
cd torch
th test.th -out_dir_images ../output/

打开output文件夹

#会出现一些结果文件
results.html
stats.txt
bar.pdf

5. 训练模型

开始训练整个模型：

cd torch
th train_full_model.th

训练翘曲网络：

th torch/train_warping_net.th

测试数据的调整：
解释参数：

Options
  -mean_im_path   mean image for image preprocessing for keypoint network training [../data/aflw_cvpr_224_mean.png]
  -std_im_path    std image for image preprocessing for keypoint network training [../data/aflw_cvpr_224_std.png]
  -limit          num of test data to read. negative means all [-1] # 设置多少张图片测试，-1代表全部
  -val_data_path  validation data file path [../data/our_horse.txt] # 设置读取图片的路径以及对应的npy文件的路径
  -model_path     [../models/horse_full_model_tps.dat] # 训练生成模型的位置
  -out_dir_images [../scratch/test_images] # 结果的输出
  -gpu            gpu to run the training on [1] # 选取哪个gpu
  -iterations     num of iterations to run [2] # 设置迭代的层数
  -batchSize      batch size [100]
  -bgr            [true]
  -face           true if testing a model with no warping network [false]

在/animal_human_kp/torch test.th中找到-val_data_path的设置，修改为需要的txt形式，
其中对应文件的形式为 对应的图片地址+空格+对应的npy文件地址

合成代码如下：

cd /animal_human_kp/data/horse/im/ inria-horses
# 生成完整的路径
ls | sed "s:^:`pwd`/:" > test_minLoss_horse.txt
cp test_minLoss_horse.txt test_minLoss_horse_npy.txt
# 然后通过vim的替换命令s进行替换，以下是一个示例
vim test_minLoss_horse_npy.txt
:%s/im/npy/ig
:%s/jpg/npy/ig
# 将两个文件进行合成
paste -d' ' test_minLoss_horse.txt test_minLoss_horse_npy.txt > our_horse.txt
# 注意最后再次检查合成文件的内容，进行排查

将our_horse.txt放到/animal_human_kp/data文件下

然后到torch文件夹下运行代码：

# out 是我新建的文件夹，你也可以指定到你需要的位置
th test.th -out_dir_images ../out -val_data_path ../data/our_horse.txt -iterations 100