retinaface_widerface

这个目录用于生成可直接上传到 Hugging Face Datasets 的 WiderFace 教学版数据。

目标格式

转换完成后会生成两个 split：

• train
• val

对应文件路径默认是：

• train/train-00000-of-00001.parquet
• val/val-00000-of-00001.parquet

数据来源

• train 来自 data/widerface/train/label.txt 和 data/widerface/train/images
• val 来自 data/widerface/val/images 和 widerface_evaluate/ground_truth 下的 4 个 mat 文件

运行方式

在仓库根目录执行：

conda run -n retinaface python data/retinaface_widerface/build_parquet.py

如果环境里还没有 Hugging Face datasets：

conda run -n retinaface pip install datasets pillow scipy pyarrow

输出字段

每条样本都包含这些字段：

• image: 内嵌图片，可直接被 load_dataset 解码
• image_path: 相对路径
• event: WiderFace 事件目录名
• split: train 或 val
• width
• height
• bboxes: 人脸框列表，字段为 x y w h
• landmarks: 训练集的人脸关键点列表，字段为 x1 y1 ... x5 y5 v1 ... v5；验证集为空列表
• blur: 训练集原始 blur 分数列表；验证集为空列表
• easy_keep_indices: 验证集 easy 评估保留框索引，0-based；训练集为空列表
• medium_keep_indices: 验证集 medium 评估保留框索引，0-based；训练集为空列表
• hard_keep_indices: 验证集 hard 评估保留框索引，0-based；训练集为空列表

读取方式

from datasets import load_dataset

root = "data/retinaface_widerface"
ds = load_dataset("parquet", data_files={
    "train": f"{root}/train/*.parquet",
    "val": f"{root}/val/*.parquet",
})