[第十八夜] 人頭姿態（Head Pose）實做--HopeNet

15th鐵人賽 hopenet

zivzhong

2023-10-03 23:59:43

546 瀏覽

分享至

前言

今天我們要來帶大家實做 HopeNet 這個 Headpose 個模型，並且訓練出自己的 HopeNet！為了避免太多單調重述的知識，我們只講述關鍵注意部份!

HopeNet 實做

Dataset--300W-LP

Headpose 要用的 dataset 其實非常單純，通常只要有提供以下數據即可:

   1.`Image`
   2.`Face bounding box label`（可能加上 `Landmark`）：用來切下人臉區域餵給 `Headpose` 模型去學習跟預測
   3.`Headpose label`

在dataloader 中很好操作只要透過 Face bounding box去切下人臉然後與 Headpose 一起回傳即可!

而這一次我們要使用的 dataset 是 300W-LP，他是3DDFA作者群當初提出的，他是由複數個 dataset 所組成的，大家可以先去這個300W-LP 下載 Link 去把 300W-LP 下載下來並解壓縮應該可以看到這樣的畫面:

300W-LP 主要由 4 個常見的人臉資料集並且加上 flip 之後的去結合起來的，並且作者特別考量以往 Headpose 的資料集中人頭的角度大都是小角度 (ex.Yaw的絕對值小於 45度)，這樣並不利於學習預測大角度的 Headpose，因此 300W-LP 特別刻意收集了大量的大角度人頭以助 Headpose 模型學習，其資料分佈如下:

另外需要注意的是，因為 HopeNet 有先把角度做區分成幾類，然後才細分成連續的角度值，因此在dataloader的 __getitem__中我們要把 Pose 去分類，像是以下

# 從資料集中撈到 pose 資訊（pitch, yaw, roll），單位是 radians
pose = function_to_get_pose(pose_label_path)

# 轉成 degrees.
pitch = pose[0] * 180 / np.pi
yaw = pose[1] * 180 / np.pi
roll = pose[2] * 180 / np.pi
continue_labels = torch.FloatTensor([yaw, pitch, roll])

# Bin values  分類值  -99到+102度，分類需要對應的標籤，每 3 度分一類！
bins = np.array(range(-99, 102, 3))

# bins 是 np.digitize（data,bins）第二個參數（升序或者降序）,第一個數據在bins 哪個區間範圍內，
binned_pose = np.digitize([yaw, pitch, roll], bins) - 1

# 最後回傳 照片, 連續的 pose label, 分類的 pose class
return image, continue_labels, binned_pose

HopeNet Model 實做

以下為 HopeNet 的模型定義，num_bins 是每個角度我們都分成 98:

# 引入需要的庫
import torch
import torch.nn as nn

# 定義 HopeNet 模型
class HopeNet(nn.Module):
    def __init__(self, num_bins=98):
        super(HopeNet, self).__init__()

        # 定義卷積層和全連接層
        self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3)
        self.conv2 = nn.Conv2d(64, 128, kernel_size=5, stride=2, padding=2)
        self.conv3 = nn.Conv2d(128, 256, kernel_size=5, stride=2, padding=2)
        self.conv4 = nn.Conv2d(256, 256, kernel_size=3, stride=1, padding=1)
        self.conv5 = nn.Conv2d(256, 256, kernel_size=3, stride=1, padding=1)

        # 定義全連接層
        self.fc1 = nn.Linear(256 * 7 * 7, 512)
        self.fc2 = nn.Linear(512, 512)
        
        # 定義預測出 pose 的 class
        self.fc_yaw = nn.Linear(512 , num_bins)
        self.fc_pitch = nn.Linear(512 , num_bins)
        self.fc_roll = nn.Linear(512 , num_bins)

        # 定義激活函數
        self.relu = nn.ReLU()

    def forward(self, x):
        # 定義前向傳播過程
        x = self.relu(self.conv1(x))
        x = self.relu(self.conv2(x))
        x = self.relu(self.conv3(x))
        x = self.relu(self.conv4(x))
        x = self.relu(self.conv5(x))

        # 展平特徵圖
        x = x.view(x.size(0), -1)

        # 通過全連接層
        x = self.relu(self.fc1(x))
        x = self.relu(self.fc2(x))

        # 預測 pitch, yaw, roll 的 class
        yaw = self.fc_yaw(x)
        pitch = self.fc_pitch(x)
        roll = self.fc_roll(x)
        
        return yaw, pitch, roll

# 實例化 HopeNet 模型
hopenet_model = HopeNet()

# 如果有興趣可以打印模型結構
print(hopenet_model)

那打到這我們應該怎麼去 inference 呢?參考下述即可:

# Forward pass
yaw, pitch, roll = HopeNet(images)

# 經過 softmax 得到各個 class 的機率值
yaw_predicted = nn.softmax(yaw)
pitch_predicted = nn.softmax(pitch)
roll_predicted = nn.softmax(roll)

# 回復出連續值！
idx_tensor = [idx for idx in xrange(66)]
idx_tensor = Variable(torch.FloatTensor(idx_tensor)).cuda(gpu)
yaw_predicted_continue = torch.sum(yaw_predicted * idx_tensor, 1) * 3 - 99
pitch_predicted_continue = torch.sum(pitch_predicted * idx_tensor, 1) * 3 - 99
roll_predicted_continue = torch.sum(roll_predicted * idx_tensor, 1) * 3 - 99

有了 inference的方法之後，那我們在 training 時只需要抓取以上值出來算 loss 即可:

classificaton_criterion = nn.CrossEntropyLoss().cuda(gpu)
regression_criterion = nn.MSELoss().cuda(gpu)

# Cross entropy loss, 因為 cross entropy 中已經有 softmax，所以我們就不用拿 yaw_predicted 等等來計算了！需要用到 dataloader 中提共的 binned_pose
label_yaw, label_pitch, label_roll =  binned_pose[0], binned_pose[1], binned_pose[2]
loss_yaw = classificaton_criterion(yaw, label_yaw)
loss_pitch = classificaton_criterion(pitch, label_pitch)
loss_roll = classificaton_criterion(roll, label_roll)
loss_pose_classification = loss_yaw + loss_pitch + loss_roll

# regression loss, 需要用到 dataloader 提供的 continue_labels
label_yaw_continue, label_pitch_continue, label_roll_continue = continue_labels[0], continue_labels[1], continue_labels[2]

loss_regression_yaw = regression_criterion(yaw_predicted_continue, label_yaw_continue)
loss_regression_pitch = regression_criterion(pitch_predicted_continue, label_pitch_continue)
loss_regression_roll = regression_criterion(roll_predicted_continue, label_roll_continue)
loss_regression = loss_regression_yaw + loss_regression_pitch + loss_regression_roll

# total loss & 反向傳播和優化
total_loss = loss_pose_classification + alpha * loss_regression
optimizer.zero_grad()
total_loss.backward()
optimizer.step()