基于YOLOv5的智能人脸数据标注工具，实现人脸数据标注自动化
可自定义人脸检测模型、可导出多种格式标签，包括PASCAL VOC XML、MS COCO JSON、YOLO TXT
下载地址：基于YOLOv5的智能人脸数据标注工具源码，实现人脸数据标注自动化
📌 项目整体流程与扩展应用
📌 项目功能结构与信息流
💡项目结构
.
├── face-labeling # 项目名称
│ ├── util # 工具包
│ │ ├── voc_xml.py # PASCAL VOC XML
│ │ ├── coco_json.py # MS COCO JSON
│ │ ├── yolo_txt.py # YOLO TXT
│ │ ├── model_opt.py # 模型管理
│ │ ├── obj_opt.py # 目标管理
│ │ ├── path_opt.py # 路径管理
│ │ ├── log.py # 日志管理
│ │ └── time_format.py # 日期格式化
│ ├── data # 测试数据
│ │ └── imgs # 测试图片，来源于WIDER FACE Test
│ ├── models # 模型Hub
│ │ ├── readme.md # 模型Hub README
│ │ ├── *.pt # PyTorch模型
│ │ └── *.onnx # ONNX模型
│ ├── face_labeling.py # 主运行文件
│ ├── LICENSE # 项目许可
│ ├── CodeCheck.md # 代码检查
│ ├── .gitignore # git忽略文件
│ ├── yolov5_widerface.md # 基于YOLOv5的人脸检测模型的构建
│ ├── yolov5_pytorch_gpu.md # YOLOv5 PyTorch GPU安装教程
│ ├── README.md # 项目说明
│ └── requirements.txt # 脚本依赖包
🔥安装教程
✅ 第一步：安装Face Labeling
📌 创建conda环境
conda create -n facelabel python==3.8
conda activate facelabel # 进入环境
📌 克隆
git clone https://gitee.com/CV_Lab/face-labeling.git
✅ 第二步：安装Face Labeling依赖
cd ./face-labeling
conda activate facelabel # 进入环境
pip install -r requirements.txt -U
📌 将人脸模型文件（.pt）放入models 目录中
❗ 注意：yolov5默认采用pip安装PyTorch GPU版，如果采用官网安装PyTorch GPU版，参见YOLOv5 PyTorch GPU安装教程
✅ 基于YOLOv5的人脸检测模型的构建
📌 widerface-m人脸检测模型是在WIDER FACE数据集上，基于YOLOv5 v6.1训练的，具体训练过程参见yolov5_widerface.md
📌 darkface-m人脸检测模型是在DARK FACE数据集上，基于YOLOv5 v6.1训练的，具体训练过程参见yolov5_darkface.md
❤️ 本项目提供了以下人脸检测模型：
| 模型名称 | 下载地址 | 模型大小 | 适用范围 | 适用设备 |
|---|---|---|---|---|
| widerface-m | 百度云 , 提取码：5gfs | 42.1MB | 实时,图片,视频 | GPU |
| darkface-m | 百度云 , 提取码：mm2k | 42.2MB | 实时,图片,视频 | GPU |
⚡使用教程
💡 webcam实时标注
# a键捕获视频帧，q键退出
python face_labeling.py
💡 图片标注（包括批量图片标注）
python face_labeling.py -m img # 默认测试图片目录data/imgs
python face_labeling.py -m img -imd ./img_dir # 指定图片目录
❗ 注：本项目支持的图片输入格式：jpg | jpeg | png | bmp | tif | webp
💡 视频标注（包括批量视频标注）
python face_labeling.py -m video # 默认测试视频目录data/videos
python face_labeling.py -m video -vd ./video_dir # 指定视频目录
❗ 注：本项目支持的视频输入格式：mp4 | avi | wmv | mkv | mov | gif | vob | swf | mpg | flv | 3gp | 3g2
❗ 说明：以上三种检测模式都会在项目根目录中生成FaceFrame目录，该目录会生成frame*的子目录，子目录结构如下：
# webcam和图片标注的目录
.
├── FaceFrame # 人脸数据保存目录
│ ├── frame # 子目录
│ │ ├── raw # 原始图片
│ │ ├── tag # 标记图片（包括：人脸检测框、人脸ID、置信度、帧ID、FPS、人脸总数，人脸尺寸类型（小、中、大）数量）
│ │ ├── voc_xml # PASCAL VOC XML 标注文件
│ │ ├── coco_json # MS COCO JSON 标注文件
│ │ ├── yolo_txt # YOLO TXT 标注文件
│ ├── frame2 # 子目录
│ │ ├── raw # 原始图片
│ │ ├── ......
# 视频标注的目录
.
├── FaceFrame # 人脸数据保存目录
│ ├── frame # 子目录
│ │ ├── video_name01 # 子视频目录
│ │ │ ├── raw # 原始图片
│ │ │ ├── tag # 标记图片（包括：人脸检测框、人脸ID、置信度、帧ID、FPS、人脸总数，人脸尺寸类型（小、中、大）数量）
│ │ │ ├── voc_xml # PASCAL VOC XML 标注文件
│ │ │ ├── coco_json # MS COCO JSON 标注文件
│ │ │ ├── yolo_txt # YOLO TXT 标注文件
│ │ ├── video_name02 # 子视频目录
│ │ │ ├── raw # 原始图片
│ │ │ ├── ......
❗ 查看检测结果：人脸图片检测结果会保存在FaceFrame/frame*/tag中，以python face_labeling.py -m img为例运行项目自带检测图片，检测结果如下：
widerface-m检测结果
💡 自定义人脸模型
# 默认为widerface-m
python face_labeling.py -mn face_model # 以实时标注为例
python face_labeling.py -mn darkface-m # 以实时标注为例，darkface-m.pt
💡 自定义类别
# 默认为face，以口罩识别为例
python face_labeling.py -cls mask # 口罩类
python face_labeling.py -cls without-mask # 未戴口罩类
💡 自定义模型参数
# 可以根据自定义人脸模型进行相应的调参，以实时标注为例
# 自定义设备，默认为cuda:0
python face_labeling.py
python face_labeling.py -dev 0 # cuda:0版
python face_labeling.py -dev cpu # cpu版
# NMS 置信度阈值，默认为0.5
python face_labeling.py -conf 0.8
# NMS IoU阈值，默认为0.45
python face_labeling.py -iou 0.5
# 单张图片的最大检测目标数，默认为1000
python face_labeling.py -mdn 10
# 以上参数也可以同时使用，例如：
python face_labeling.py -conf 0.8 -iou 0.5
python face_labeling.py -conf 0.8 -iou 0.5 -mdn 10
# 模型推理尺寸
python face_labeling.py -isz 320
# 强制重载YOLOv5
python face_labeling.py -ry
💡 设置标签样式
# 以实时标注为例
python face_labeling.py -ls id # 标签仅显示ID
python face_labeling.py -ls conf # 标签仅显示置信度（%）
widerface-m检测结果（标签ID）
widerface-m检测结果（标签置信度）
💡 设置标签进度条
python face_labeling.py -lpb bar
widerface-m检测结果（标签进度条）
💡 关闭检测标签
python face_labeling.py -lds # 以实时标注为例
widerface-m检测结果
💡 自定义保存目录名称
# 默认为FaceFrame
python face_labeling.py -fsd face_dir # 以实时标注为例
💡 自定义保存子目录名称
# 默认为frame
python face_labeling.py -fdn face_subDir # 以实时标注为例
💡 自定义图片前缀
# 默认为face_test
python face_labeling.py -in face # 以实时标注为例
下载地址：基于YOLOv5的智能人脸数据标注工具源码，实现人脸数据标注自动化
