---
title: SCRFD-PyTorch-模型库-ModelZoo-昇腾社区
description: SCRFD是通过NAS（神经网络搜索）得到的一个目标检测模型，通过使用ResNet作为主干网络，融入PAFPN、ATSS Assigner等模块，可以获得更好的精度、更高的性能。
keywords: SCRFD,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境
url: https://www.hiascend.com/software/modelzoo/models/detail/24e146e4f3b246f299fce0496da5bf96
section: (其他)
---

# SCRFD-PyTorch-模型库-ModelZoo-昇腾社区

URL: https://www.hiascend.com/software/modelzoo/models/detail/24e146e4f3b246f299fce0496da5bf96
描述: SCRFD是通过NAS（神经网络搜索）得到的一个目标检测模型，通过使用ResNet作为主干网络，融入PAFPN、ATSS Assigner等模块，可以获得更好的精度、更高的性能。
关键词: SCRFD,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境

ModelZoo主页

主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/Documentation/overview/overview_0001.html)论坛交流 [了解详情](https://www.hiascend.com/forum/forum-0140120119986591009-1.html)

主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/Documentation/overview/overview_0001.html)论坛交流 [了解详情](https://www.hiascend.com/forum/forum-0140120119986591009-1.html)

模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)

SCRFD-PyTorch

## SCRFD-PyTorch

视觉检测与跟踪PyTorch训练269次浏览2025/12/29更新

5.0

查看模型源码

SCRFD-PyTorch

查看模型源码

模型使用

版本信息

模型使用

版本信息

...

# 概述

## 简述

SCRFD是通过NAS（神经网络搜索）得到的一个目标检测模型，通过使用ResNet作为主干网络，融入PAFPN、ATSS Assigner等模块，可以获得更好的精度、更高的性能。

- 参考实现：

```
url=https://github.com/deepinsight/insightface.git
commit_id=babb9a58bbc42ae4b648acdbb803159a35f53db3
```
- 适配昇腾 AI 处理器的实现：

```
url=https://gitee.com/ascend/ModelZoo-PyTorch.git
code_path=PyTorch/built-in/cv/detection
```

# 准备训练环境

## 准备环境

- 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。

表 1版本支持表

| Torch_Version | 三方库依赖版本 |
| --- | ---|
| PyTorch 1.5 | - |
| PyTorch 1.8 | - |
- 环境准备指导。

请参考《Pytorch框架训练环境准备 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。
- 安装依赖。

在模型源码包根目录下执行命令，安装模型需要的依赖。

```
pip install -r requirements.txt
```
- 安装mmcv（如果环境中有mmcv，请先卸载再执行以下步骤）。

```
git clone -b v1.4.8 https://github.com/open-mmlab/mmcv.git
bash tools/build_mmcv.sh
```
- 安装mmdet（如果环境中有mmdet，请先卸载再执行以下步骤）。

```
pip3.7 install -v -e .
```

## 准备数据集

1. 获取数据集。

用户自行获取原始数据集，可选用的开源数据集包括WIDER_FACE，将数据集上传到服务器任意路径下并解压。

数据集目录结构参考如下所示。

```
├── WIDERFace
      ├──train
           ├──images
                 │──图片1
                 │──图片2
                 │   ...       
           ├──labelv2.txt              
      ├──val  
           ├──images
                 │──图片1
                 │──图片2
                 │   ...       
           ├──gt  
                 │──*.gt    
           ├──labelv2.txt 
```

说明：该数据集的训练过程脚本只作为一种参考示例。

# 开始训练

## 训练模型

1. 进入解压后的源码包根目录。

```
cd /${模型文件夹名称} 
```
2. 运行训练脚本。

该模型支持单机单卡训练和单机8卡训练。

- 单机单卡训练

启动单卡训练。

```
bash ./test/train_full_1p.sh --data_path=/data/xxx/  # 单卡精度

bash ./test/train_performance_1p.sh --data_path=/data/xxx/  # 单卡性能
```
- 单机8卡训练

启动8卡训练。

```
bash ./test/train_full_8p.sh --data_path=/data/xxx/  # 8卡精度

bash ./test/train_performance_8p.sh --data_path=/data/xxx/  # 8卡性能
```

--data_path参数填写数据集路径，需写到数据集的一级目录。

模型训练脚本参数说明如下。

```
公共参数：
--work-dir                          //日志和模型保存目录
--no-validate                       //是否禁用训练中的eval流程
--perf                              //是否进行性能测试
--seed                              //随机数种子设置
--local_rank                        //当前进程的rank号
--master_addr                       //主进程IP地址
--master_port                       //主进程端口号
```

训练完成后，权重文件保存在工作目录下，并输出模型训练精度和性能信息。

# 训练结果展示

表 2训练结果展示表

| NAME | Acc@1 | FPS | Epochs | AMP_Type | Torch_Version |
| --- | --- | --- | --- | --- | ---|
| 1p-竞品V | - | 78 | 3 | - | 1.5 |
| 8p-竞品V | [95.16, 93.87, 83.05] | 278 | 640 | - | 1.5 |
| 1p-NPU | - | 80 | 3 | O2 | 1.8 |
| 8p-NPU | [94.58, 93.38, 81.52] | 417 | 640 | O2 | 1.8 |

# 版本说明

## 变更

2023.02.22：更新readme，重新发布。

2022.09.20：首次发布。

## FAQ

目前可能会出现mmpycocotools与pycocotools两个第三方库冲突的问题，如果出现pycocotools相关问题，需要首先将mmpycocotools和pycocotools全部卸载，然后重装mmpycocotools即可解决冲突问题。

# 公网地址说明

代码涉及公网地址参考 public_address_statement.md

| 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 |
| --- | --- | --- | --- | --- | ---|
| 5.0.RC2 | 2023/07/20 | Mixed | Ascend 910 | 6.0.RC1 | modelzoomodelzoo |

使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)