企业官网建设流程全解析

简介：这份资源面向计算机视觉方向的科研人员、算法工程师与深度学习入门者，提供一套可直接用于性别检测与分类训练的人脸数据集。数据源自真实手机采集，共300张高质量人脸图片，按woman与man两个子集完成分类与标注，可用于人脸检测、特征提取与性别分类等算法实验，也适合作为课程设计或模型验证的素材。压缩包共505个文件，约339.41MB，除jpg、png图片外，还包含大量py脚本、config与proto配置文件、pb模型文件、pbtxt标签映射、checkpoint权重及ipynb笔记，覆盖SSD、MTCNN等检测框架的配置与训练流程，并附带mov、mp4演示视频与record数据，便于复现与二次开发。目前已有59人学习下载。整体目录结构清晰，既能支撑性别分类模型的训练与调参，也为结合目标检测、聚类与跟踪实现人流统计提供了可参考的实现路径。

1. 300 张手机人脸图，够不够训一个性别分类器？

先说结论：如果你打算从零训一个 ResNet 级别的性别分类网络，300 张不够；但如果你要做的是「在已有 backbone 上做二分类微调」或者「验证一条性别检测流水线能不能跑通」，这份按 woman / man 分好类的 300 张真实手机采集人脸图，反而是个省事的起点。它解决的不是「数据量」问题，而是「数据脏」问题——真实手机拍摄意味着光照、角度、肤色、遮挡都带着生活气息，不是实验室摆拍那种干净到失真的样本，这对模型泛化能力的影响，比多堆几千张网图更实在。

这份资源的核心价值在于「已分类 + 已标注 + 真实场景」三件事同时成立。目录里 woman 和 man 两个子集直接对应二分类标签，省掉了你自己写脚本按文件名分桶的功夫；图片来自手机采集，意味着分辨率、压缩噪声、白平衡漂移这些真实干扰都在，训出来的模型不会一上手机就翻车。它适合两类人：一是刚入门深度学习、想找一个能完整跑通「数据加载 → 人脸检测 → 特征提取 → 性别分类」链路的小数据集；二是手里已经有 SSD、MTCNN 这类检测器，想快速验证性别分支效果、不想在数据清洗上耗时间的工程师。配套的 config 文件列表（ssd_mobilenet_v2、ssdlite_mobilenet_v1/v2、ssd_inception_v2 等）说明这套资源原本是挂在 TensorFlow Object Detection API 体系下用的，所以下面我按这个技术栈来讲，PyTorch 用户也能照着思路平移。

2. 从目录结构到 TensorFlow Record：把 300 张图喂进 SSD 流水线

2.1 先看清手里有什么：目录、config 与标签约定

拿到资源后别急着写训练脚本，先花五分钟把目录结构和 config 文件对一遍。典型布局是根目录下两个分类文件夹，外加一组.config文件。woman 和 man 这两个文件夹名本身就是标签来源，但要注意：文件夹名不等于模型输出的类别索引，索引顺序取决于你生成 label map 时怎么排。我一般会先固定一个label_map.pbtxt，把 woman 设为 1、man 设为 2，或者反过来，然后全程不再改，避免训练到一半发现标签错位。

config 文件那一串名字看着多，其实分两类：ssd_mobilenet_v2_quantized_320x320_open_image_v4.config这类是量化版，适合后续部署到算力受限的设备；ssd_mobilenet_v1_coco.config、ssd_inception_v2_coco.config是常规训练配置。选哪个取决于你的目标——如果只是验证性别分类能不能收敛，用ssd_mobilenet_v2_coco.config改一改最快；如果最终要上手机，直接拿量化版 config 起步，省得后期再折腾量化感知训练。这里有个容易忽略的点：config 里的num_classes默认是 90（COCO 类别数），你必须改成 2，否则训练时分类头维度对不上，报错信息还不一定直白。

提示：动手前先把 woman / man 两个文件夹里的图片数量点一遍，确认加起来是 300 张左右。如果数量对不上，先排查是不是有隐藏文件或缩略图混进去了，这种脏数据在生成 TFRecord 时不会报错，但会悄悄拉低模型效果。

2.2 生成 TFRecord：脚本、参数与两个必改项

TensorFlow Object Detection API 训练 SSD 系列模型，第一步是把图片和标注转成 TFRecord。这份资源已经做好了分类划分，所以标注信息可以直接从文件夹名推导，不需要额外的 XML 或 JSON。下面这个脚本是我常用的写法，逻辑是遍历两个分类文件夹，把每张图的路径、类别、尺寸写进 TFRecord。

import os import io import tensorflow as tf from PIL import Image # 两个分类文件夹，文件夹名即类别名 CLASSES = ['woman', 'man'] DATA_DIR = './dataset' # 数据集根目录 OUTPUT_DIR = './tfrecord' # TFRecord 输出目录 def create_tf_example(image_path, class_id): with tf.io.gfile.GFile(image_path, 'rb') as fid: encoded = fid.read() image = Image.open(io.BytesIO(encoded)) width, height = image.size # 整张图作为一个人脸区域，bbox 归一化到 [0,1] # 如果后续要接检测任务，这里应替换为真实人脸框 xmin, ymin, xmax, ymax = 0.0, 0.0, 1.0, 1.0 feature_dict = { 'image/height': tf.train.Feature( int64_list=tf.train.Int64List(value=[height])), 'image/width': tf.train.Feature( int64_list=tf.train.Int64List(value=[width])), 'image/filename': tf.train.Feature( bytes_list=tf.train.BytesList(value=[os.path.basename(image_path).encode('utf8')])), 'image/source_id': tf.train.Feature( bytes_list=tf.train.BytesList(value=[os.path.basename(image_path).encode('utf8')])), 'image/encoded': tf.train.Feature( bytes_list=tf.train.BytesList(value=[encoded])), 'image/format': tf.train.Feature( bytes_list=tf.train.BytesList(value=[b'jpeg'])), 'image/object/bbox/xmin': tf.train.Feature( float_list=tf.train.FloatList(value=[xmin])), 'image/object/bbox/ymin': tf.train.Feature( float_list=tf.train.FloatList(value=[ymin])), 'image/object/bbox/xmax': tf.train.Feature( float_list=tf.train.FloatList(value=[xmax])), 'image/object/bbox/ymax': tf.train.Feature( float_list=tf.train.FloatList(value=[ymax])), 'image/object/class/label': tf.train.Feature( int64_list=tf.train.Int64List(value=[class_id])), } return tf.train.Example(features=tf.train.Features(feature=feature_dict)) def main(): os.makedirs(OUTPUT_DIR, exist_ok=True) writer = tf.io.TFRecordWriter(os.path.join(OUTPUT_DIR, 'gender.record')) count = 0 for idx, cls in enumerate(CLASSES, start=1): cls_dir = os.path.join(DATA_DIR, cls) for fname in os.listdir(cls_dir): if not fname.lower().endswith(('.jpg', '.jpeg', '.png')): continue path = os.path.join(cls_dir, fname) example = create_tf_example(path, idx) writer.write(example.SerializeToString()) count += 1 writer.close() print(f'共写入 {count} 条样本') if __name__ == '__main__': main()

这段脚本有两个地方必须按你的实际情况改。第一，CLASSES的顺序决定了class_id，woman 在前就是 1、man 是 2，这个顺序要和后面 label map 完全一致，否则模型学出来的「1」和你想的不是一回事。第二，bbox 我暂时写成了整图[0,0,1,1]，因为这份资源是分类数据集，没有逐张的人脸框标注。如果你要拿它训 SSD 检测器，得先用 MTCNN 或 OpenCV 的人脸检测器把每张图的人脸框跑出来，再回填到xmin/ymin/xmax/ymax四个字段里，否则检测头学不到有效定位。常见做法是先用cv2.CascadeClassifier或mtcnn批量生成框，存成 CSV，再在脚本里读进来替换那四个变量。

2.3 改 config：num_classes、fine_tune_checkpoint 与 batch size

TFRecord 生成后，复制一份ssd_mobilenet_v2_coco.config出来改。需要动的字段不多，但每个都关键：

fine_tune_checkpoint是这份小数据集能不能训出东西的分水岭。300 张图如果从随机初始化开始，模型大概率记住每一张而不是学特征，验证集准确率会在 50% 附近晃。挂上 COCO 预训练的 SSD MobileNet V2 权重后，backbone 已经会提通用特征，你只需要微调分类头，收敛快且稳。batch_size调小是因为样本少，一个 epoch 才 300 张，batch 24 意味着每个 epoch 只有十几个 step，梯度更新次数太少，反而学不动。

注意：label_map.pbtxt里id必须从 1 开始，不能从 0 开始，这是 TF OD API 的历史约定。写成 0 会导致训练时类别索引越界或静默错位，排查起来很费时间。

3. 训练、评估与导出：300 张图上的收敛判断与踩坑记录

3.1 启动训练与观察 loss 曲线

config 改好后，训练命令本身不复杂：

# 在 TensorFlow Object Detection API 根目录下执行 python model_main_tf2.py \ --pipeline_config_path=./configs/ssd_mobilenet_v2_gender.config \ --model_dir=./training/gender_model \ --num_train_steps=5000 \ --alsologtostderr

num_train_steps设 5000 是我在 300 张图上的经验值。太少（比如 1000）分类头还没学稳，太多（比如 20000）就开始过拟合，验证 loss 会先降后升。判断收敛不要只看 total loss，要同时看Loss/classification_loss和Loss/localization_loss——分类数据集里定位 loss 意义不大，重点盯分类 loss 是否降到 0.1 以下并趋于平缓。如果分类 loss 卡在 0.6 以上不动，八成是 label map 和 TFRecord 里的 class_id 没对齐，或者num_classes忘了改。

评估用model_main_tf2.py加--checkpoint_dir参数跑，或者单独用eval.py。300 张图建议按 8:2 切训练和验证，别全拿去训。切分时注意 woman 和 man 要各自按比例切，不能随机切完发现验证集里全是 man，那样评估指标没有参考意义。

3.2 导出 frozen graph 与推理验证

训练到验证准确率稳定后，导出推理图：

python exporter_main_v2.py \ --input_type=image_tensor \ --pipeline_config_path=./configs/ssd_mobilenet_v2_gender.config \ --trained_checkpoint_dir=./training/gender_model \ --output_directory=./exported/gender_frozen

导出后在saved_model目录下会得到可直接加载的模型。推理时把图片 resize 到 config 里指定的 320x320 或 300x300，归一化到 [0,1]，送进模型拿detection_classes和detection_scores。这里有个实际使用中的细节：因为训练时 bbox 是整图，模型输出的框会覆盖整张图，你只需要取分数最高的类别作为性别判断即可，不用太在意框的位置。如果分数普遍偏低（比如最高才 0.5），说明训练不充分或验证集和训练集分布差异大，回头检查切分是否随机、图片是否有损坏。

3.3 避坑记录：300 张图训练时最容易翻车的四件事

现象一：训练 loss 从第一步就是 nan。原因通常是学习率太高，或者 TFRecord 里有尺寸为 0 的损坏图片。解决方法是把 config 里learning_rate_base从默认的 0.08 降到 0.01 甚至 0.005，同时用 PIL 批量打开所有图片做一次完整性检查，把打不开的删掉重新生成 TFRecord。

现象二：验证准确率一直在 50% 左右，像在瞎猜。这是二分类最典型的「标签没对上」症状。原因可能是 label map 里 woman 和 man 的 id 与 TFRecord 生成时的class_id顺序相反，也可能是评估脚本读错了 label map。解决方法是拿一张已知是 woman 的图单独跑推理，看输出类别 id 是不是 1，不是就回头对一遍两个文件的顺序。

现象三：训练能跑，但导出模型后推理报维度错误。多半是导出时用的 config 和训练时不一致，比如训练改了num_classes=2，导出却用了原始 COCO config。解决方法是导出前把 config 再 diff 一遍，确认num_classes、input_size和训练时完全一致。

现象四：模型在训练集上准确率 95%，换一批新图就掉到 60%。300 张图的多样性终究有限，过拟合是常态。缓解手段包括：加数据增强（随机裁剪、亮度抖动、水平翻转），把fine_tune_checkpoint换成更贴近人脸域的预训练权重，或者干脆把这份数据当验证集，去补充更多同分布图片再训。别指望 300 张图训出一个能上生产的模型，它的定位是验证链路和快速原型。

4. 从二分类到人流统计：把性别分支接进检测跟踪链路

这份资源的摘要里提到人流统计——Faster R-CNN 检测、Mean-shift 聚类、卡尔曼滤波跟踪。单看 300 张静态图当然做不了人流统计，但性别分类分支可以挂到那条链路上：检测器负责逐帧找人脸或人体，跟踪器负责给每个人分配稳定 ID，性别分类器只在 ID 首次出现时跑一次，把结果缓存下来，后续帧直接复用。这样既省算力，又避免同一人性别在帧间跳变。

具体做法是：用 SSD 或 Faster R-CNN 做人体检测，把每个人体框裁出来送进你刚训好的性别分类模型，得到 woman / man 标签后写进跟踪器的状态字典。卡尔曼滤波负责预测下一帧位置，Mean-shift 负责在特征空间里做聚类关联。这里的关键参数是「性别判定阈值」——我一般设 0.7，低于这个分数就不写标签，等后续帧分数上来再补，避免误判污染统计结果。验证方法也简单：找一段多人走过的视频，跑完统计男女人数，和肉眼计数对比，误差在 10% 以内就算这条链路可用。

从那以后我每次拿到小规模分类数据集，都会先跑一遍「单图推理 + 标签对齐检查」再开训练，这个习惯帮我省掉了至少三次通宵排查标签错位的血泪经验。希望这份 300 张图的资源和上面的流程，能帮你把性别检测这条链路先跑通，再谈优化。

本文还有配套的精品资源，点击获取