model.md

网络架构

本篇是 Build Your Own Face Detection Model 的第四节。

这一节，我们将探索网络的架构。

1 >> 开始之前

这一节不写代码：）。

2 >> 骨干网络

CenterFace/Centernet 的骨干属于 encoder-decoder 架构，跟分割网络很接近，比如 Unet，FCN 之类的。但它有个限制，就是最后输出的 heatmap 的边的大小应该是原来的 1/4。如果输入是 800x800，则输出是 200x200。这个我们上一节已经讲过了。

不过，这个限制也并不是不可以改动的，只要你有足够的显卡。在 CenterFace 中，作者说是为了减少内存使用。

3 >> 模型代码

模型代码我直接拿了别人写好的，原文件应该是类似这个，

因为骨干网络是最好替换的，你可以尝试 Stacked hourglass 以及 Unet++ 这样的架构。不过为了快速收敛，这次我用的是 mobilenet 。

创建models文件夹，创建一个mnet.py文件，把代码复制进去。最后，加一个__init__.py。

具体使用的时候，只调用文件末尾的get_mobile_net。比如我想做普通的 Centernet，可以这样调

net = get_mobile_net(10, {'hm':80, 'wh':2, 'off':2}, head_conv=24)

由于 COCO 中有 80 类，所以'hm':80。但 CenterFace 只关心人脸，所以是

net = get_mobile_net(10, {'hm':1, 'wh':2, 'lm':10, 'off':2}, head_conv=24)

多一个'lm':10，是因为我们还想检测人脸关键点。

4 >>

愿凡有所得，皆能自利利他。