---
title: CenterFace-PyTorch-模型库-ModelZoo-昇腾社区
description: Centerface是一种适用于边缘设备的实用无锚目标检测和对齐方法。此版本非官方版本，实现了速度和准确性之间的最佳平衡。
keywords: CenterFace,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/37a0372a91b24038bd7919981d4d9185
section: (其他)
---

# CenterFace-PyTorch-模型库-ModelZoo-昇腾社区

URL: https://www.hiascend.com/software/modelzoo/models/detail/37a0372a91b24038bd7919981d4d9185
描述: Centerface是一种适用于边缘设备的实用无锚目标检测和对齐方法。此版本非官方版本，实现了速度和准确性之间的最佳平衡。
关键词: CenterFace,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)文档中心论坛交流

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)文档中心论坛交流

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

CenterFace-PyTorch

## CenterFace-PyTorch

视觉检测与跟踪PyTorch训练415次浏览2023/11/02更新

获取源码

CenterFace-PyTorch

查看模型源码

...

# 概述

## 简述

Centerface的非官方版本，实现了速度和准确性之间的最佳平衡。Centerface是一种适用于边缘设备的实用无锚目标检测和对齐方法。项目提供训练脚本、训练数据集和预训练模型，方便用户复现结果。

- 参考实现：

```
url=https://github.com/chenjun2hao/CenterFace.pytorch
commit_id=585ce2c4fb80ae6ab236f79f06911e2f8bef180c
```
- 适配昇腾 AI 处理器的实现：

```
url=https://gitee.com/ascend/ModelZoo-PyTorch.git
code_path=PyTorch/contrib/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 | - |
| PyTorch 1.11 | - |
| PyTorch 2.1 | - |
- 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。

```
# 安装依赖包
# for pip
cd ${模型文件夹名称}
pip install -r requirements.txt
# for conda
conda env create -f enviroment.yaml
```

```
# 编译（编译过的可跳过，编译需要先执行以下操作，否找可能出现 ModuleNotFoundError: No module named 'external.nms'）
cd ${模型文件夹名称}/src/lib/external
make
```

```
# 安装评测时用到的bbox库扩展方法bbox_overlaps
cd ${模型文件夹名称}/evaluate
python3 setup.py install
```

## 准备数据集

- 准备数据

请用户自行准备好数据集，包含训练集和验证集两部分，可选用的数据集包括WIDER-FACE等。上传到服务器任意路径并解压；“WIDER_FACE_DATA_ALL.zip”文件里面有“annotations.zip”、“labels”、“WIDER_train.zip”、“WIDER_val.zip”、“groud_truth”文件。

在当前源码包根目录下建立“data/wider_face/image”文件夹。将“annotations.zip”、“labels”、“WIDER_train.zip”、“WIDER_val.zip”复制到服务器的源码包根目录“data/wider_face”目录下并解压，“groud_truth”复制到源码包根目录下。将“WIDER_train”中的“images”复制到源码包根目录下的“data/wider_face/image”文件夹中。数据集目录结构参考：

```
├── data
    ├──wider_face
        ├──labels
        ├──WIDER_train
        ├──WIDER_val
        ├──annotations
        ├──image
              ├──0-Parade        分类1
                    ├──图片1
                    ├──图片2
                    ...
              ├──1-Handshaking    分类2
                    ├──图片1
                    ├──图片2
                    ...
                    ..
├── groud_truth
     ├── wider_easy_val.mat
     ├── wider_face_val.mat
     ├── wider_hard_val.mat
     ├── wider_medium_val.mat
```

说明：该数据集的训练过程脚本只作为一种参考示例。

## 获取预训练模型

请参考原始仓库上的README.md进行预训练模型获取。

# 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：
--batch_size                          // 数据批大小
--device-list                         // 设备id
--world_size                          // 使用卡数量
--lr                                  // 学习率
--lr_step                             // 多少个step学习率调整
--port                                // 分布式master端口
--num_epochs                          // 训练轮数
```

训练日志路径：网络脚本test下output文件夹内。例如：

```
test/output/devie_id/CenterFace_${device_id}.log  # 训练脚本原生日志

test/output/devie_id/CenterFace_bs1024_8p_perf.log  # 8p性能训练结果日志

test/output/devie_id/CenterFace_bs1024_8p_acc.log   # 8p精度训练结果日志
```

训练完成后，训练生成的模型默认会写入到和test文件同一目录下。当训练正常结束时，checkpoint.pth.tar为最终结果。

# 训练结果展示

表 2训练结果展示表

| NAME | Acc | FPS | Epochs | AMP_Type | Torch_Version |
| --- | --- | --- | --- | --- | ---|
| 1p-竞品V | - | 28 | 1 | - | 1.5 |
| 8p-竞品V | easy:85.75;medium:84.96;hard:67.15 | 235 | 140 | - | 1.5 |
| 1p-NPU | - | 38.73 | 1 | O1 | 1.8 |
| 8p-NPU | easy:87.03;medium:86.50;hard:70.17 | 281.65 | 140 | O1 | 1.8 |

# 版本说明

## 变更

2021.10.17：首次发布。

## 已知问题

无。

# 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 |
| --- | --- | --- | --- | --- | ---|

暂无数据

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)