这一个是带人脸关键点的检测
https://github.com/biubug6/Pytorch_Retinaface
下面这个是本篇的源码
论文：https://arxiv.org/abs/2011.13183
代码链接：https://github.com/Media-Smart/vedadet/tree/main/configs/trainval/tinaface
这几年人脸检测的benchmark越刷越高，方法也越来越复杂，提出的模块或者方法大都专门为人脸检测设计，不易复现和使用，比如DSFD里的FEM、PAL、IAM，ASFD里的AutoFEM、PAL、IAM、DRMC loss，HAMBox里的PA、OAM、RAL等等。
WIDER FACE验证集hard结果
WIDER FACE测试集hard结果
论文：https://arxiv.org/abs/2011.13183
代码链接：https://github.com/Media-Smart/vedadet/tree/main/configs/trainval/tinaface
鉴于此，我们设计了一个简单而又强大的人脸检测模型——TinaFace，该模型基于RetinaNet，相比RetinaNet只做了很小的改动：
-
将BN换成GN；
-
加了一个IoU预测分支；
-
在backbone上嵌入了DCNv1；
-
将框回归的loss从smooth l1 loss替换为DIoU loss。
在仅使用ResNet50作为backbone的情况下，TinaFace在WIDER FACE的验证集和测试集中的hard上达到了当前的state of the art。我们只看hard的原因在于WIDER FACE的easy和medium都包含在hard之中，hard体现的是一个人脸检测器在所有人脸上的检测效果。
具体来说，在单模型，backbone仅为ResNet50的情况下。
1、验证集上
1.1、不使用TTA的TinaFace：TinaFace的AP为93.0%，比基于ResNet152的ASFD（使用TTA）高0.5%，比基于ResNet152的DSFD（使用TTA）高1.8%；
1.2、使用TTA的TinaFace：TinaFace的AP为93.4%，比基于ResNet50的HAMBox（使用TTA）高0.1%。
2、测试集上
2.1、不使用TTA的TinaFace：TinaFace的AP为92.1%，与基于ResNet152的ASFD（使用TTA）一样，比基于ResNet152的DSFD（使用TTA）高2.1%；
2.2、使用TTA的TinaFace：TinaFace的AP为92.4%，比基于ResNet50的HAMBox（使用TTA）高0.1%。
TinaFace非常简单，基于RetinaNet，所添加的模块在在通用的目标检测框架（比如mmdetection、vedadet）中都是现成的。而且训练不需要大batch，即使你的显存只有11G，也可以复现TinaFace。也正因为TinaFace使用的模块都非常经典、成熟，TinaFace也会比较容易部署。
我们的代码开源地址为TinaFace，基于vedadet，里面提供当前最好结果的权重，以及训练、测试、推理代码，无论大家是想做研究、打比赛、还是仅仅想体验state of the art的效果，这个repo都能满足你。
vedadet能做到的不仅于此，vedadet是我们基于mmdetection开发的单阶段目标检测框架，适用任意目标检测任务，无论是人脸检测还是通用目标检测。vedadet提供训练、测试、推理特性，后续会支持转ONNX/TensorRT，以及基于TensorRT的Python前端SDK或者C++前端SDK。
https://github.com/Media-Smart/vedadet
想了解实验细节的朋友可以参见论文TinaFace: Strong but Simple Baseline for Face Detection。实验中使用的数据分析工具我们也开源了——volkscv。
https://github.com/Media-Smart/volkscv
上述论文和代码下载
后台回复：TinaFace，即可下载上述论文PDF和项目源代码
目标检测综述下载
后台回复：目标检测二十年，即可下载39页的目标检测最全综述，共计411篇参考文献。
下载2
后台回复：CVPR2020，即可下载代码开源的论文合集
后台回复：ECCV2020，即可下载代码开源的论文合集
后台回复：YOLO，即可下载YOLOv4论文和代码
重磅！CVer-目标检测 微信交流群已成立
扫码添加CVer助手，可申请加入CVer-目标检测 微信交流群，目前已汇集4000人！涵盖2D/3D目标检测、小目标检测、遥感目标检测等。互相交流，一起进步！