Faceboxes Reproduce

1. CAFFE安装：
   

Makefile.config已经修改了好了，使用GPU的方式
所以直接使用下面的命令编译：

    make -j8            
    # Make sure to include $CAFFE_ROOT/python to your PYTHONPATH. 
    make pycaffe        
    make test -j8       
    # (Optional)        
    make runtest -j8    

2. 数据处理：
   

(1) 利用脚本wider_face_2_voc.py脚本把wider_face数据转换成VOC格式。并遮盖掉小于20x20的人脸。
脚本的位置在：

(2) 在wider_face_2_voc.py的同一级目录中创建wider_face文件夹，放解压好下载的wider数据，如图：

(3) 运行wider_face_2_voc.py脚本，在wider_face文件夹中会生成VOC格式的数据，如图：

(4_old_method) 生成的图片会把小于20x20的人脸用图像均值覆盖掉，因为太小的人脸，训练时不容易收敛，如图：

(4_new_method) 图片不再预处理，遮盖小的人脸，我们在代码中过滤小的人脸，具体参考提交的代码，如图：

(4_new_method) 在文件src/caffe/util/im_transforms.cpp，UpdateBBoxByResizePolicy函数中过滤pixel小于20的人脸，如图：

(5) 利用data/FACE文件中的脚本，把VOC格式转换成LMDB格式，如图：

在caffe/data目录下创建faces_database文件夹，拷贝wider_face文件夹(前面生成的VOC格式数据)，layout如图：

cd caffe
\# Create the trainval.txt, test.txt, and test_name_size.txt in data/FACE/                
./data/FACE/create_list.sh                                                                
\# You can modify the parameters in create_data.sh if needed.                             
\# It will create lmdb files for trainval and test with encoded original image:           
\#   data/faces_database/FACE/lmdb/FACE_trainval_lmdb                                     
\#   data/faces_database/FACE/lmdb/FACE_test_lmdb                                         
\# and make soft links at examples/FACE/                                                  
./data/FACE/create_data.sh                                                                

3. 训练：
   

训练需要的参数文件和网络文件位置如图：

Paper中的数据预处理，如图：

根据paper我们对train.prototxt的数据采样部门进行了修改，主要是aspect_ratio强制为1，因为是对人脸进行训练，所以没变要改变宽高比, 如图：

运行以下命令开始训练：
./build/tools/caffe train --solver examples/faceboxes/solver_new.prototxt

4. 测评：
   

测评脚本以及模型文件位置如图：

Paper中的后处理如图：

我们同样根据paper跟新了faceboxes_deploy_new.prototxt，如图：

FDDB上的老的测评结果(discontinuous)如图：

FDDB上的新的测评结果(discontinuous)如图：

在同样100 false positives，召回率提升了3个点。

论文中的结果：

效果图：

5. 参考：
   

参考的仓库：https://github.com/lsy17096535/faceboxes

6. 优化：
   

train.prototxt支持Anchor densification strategy