YOLOv6模型文件的输入与输出结构

YOLOv6人脸检测模型

YOLOv6上次（应该是很久以前）发布了一个0.3.1版本，支持人脸检测与五点landmark调用，后来我就下载，想使用一下，发现居然没有文档，也没有例子。但是官方有个infer.py文件是可以调用的，说明这个模型文件应该没问题。下载打开模型文件的输入与输出结构如下：

输出格式8400x16，其中16的输出表示为人脸框+landmark坐标信息。xyxy, conf, cls, lmdks，前面四个是Box信息、后面是置信度与分类得分、最后是10个值五点XY坐标

输出解析顺序

官方代码与参考文档给出的解析顺序，xyxy, conf, cls, lmdks，这部分还有官方的参考文件：

https://github.com/meituan/YOLOv6/blob/yolov6-face/yolov6/core/inferer.py

第110行就是这样说明的，于是我按上述格式一通解析，结果让我崩溃了，输入图像与解析结果如下：

这个时候我才明白为什么这个发布了这么久，网上居然一篇文章关于YOLOv6人脸检测的文章都没有，网上的文章很多都是YOLOv5跟YOLOv7的人脸+Landmark检测，原因一切都是有原因的。 我debug一下，发现预测出来的16个值，只有最后两个值的结果是小于或者等于1的，所以我当时猜想16个顺序应该是：xyxy, lmdks, conf, cls，按照我猜测的顺序我又改下代码，然后直接运行测试，奇迹出现了：

这张图是AI生成的，如有雷同纯属巧合！ 整个推理的流程跟YOLOv5、YOLOv6对象检测一样，就是后处理不同，所以附上后处理部分的代码：

defwrap_detection(self,input_image,out_data):
confidences=[]
boxes=[]
kypts=[]
rows=out_data.shape[0]

image_width,image_height,_=input_image.shape

x_factor=image_width/640.0
y_factor=image_height/640.0

sd=np.zeros((5,2),dtype=np.float32)
sd[0:5]=(x_factor,y_factor)
sd=np.squeeze(sd.reshape((-1,1)),1)
#xyxy,lmdks,conf,cls,
forrinrange(rows):
row=out_data[r]
conf=row[14]
cls=row[15]
if(conf>0.25andcls>0.25):
confidences.append(conf)
x,y,w,h=row[0].item(),row[1].item(),row[2].item(),row[3].item()
left=int((x-0.5*w)*x_factor)
top=int((y-0.5*h)*y_factor)
width=int(w*x_factor)
height=int(h*y_factor)
box=np.array([left,top,width,height])
boxes.append(box)
kypts.append(np.multiply(row[4:14],sd))

indexes=cv.dnn.NMSBoxes(boxes,confidences,0.25,0.25)

result_confidences=[]
result_boxes=[]
result_kypts=[]

foriinindexes:
result_confidences.append(confidences[i])
result_boxes.append(boxes[i])
result_kypts.append(kypts[i])

returnresult_kypts,result_confidences,result_boxes

责任编辑：彭菁