基于轻量主干网搭建的人脸质量评估模型，主要用于多人多场景的人脸质量评估，质量属性包括：模糊度，是否戴眼镜，是否睁闭眼，是否带墨迹，是否带口罩面具等

这部分是通过txt文件，自动读取图片和标签，需要您先运行Del_Data.py以此来保证每类数量的大小一致，说明在代码中已经注释。 注意：这部分需要你根据自己数据的数量，去设置每类标签大致数量，如：

数据集大小 430026 模糊各类别数 337594 92432 左眼各类别数: 313504 54816 27979 5114 7854 20759 右眼各类别数: 311599 56320 27719 5353 7772 21263 嘴巴各类别数: 7369 68004 177376 177277

重新删选数据后，即可大致保证一致，（有类别数据重复）执行后： 数据集大小 434947 模糊各类别数 336774 98173 左眼各类别数: 220237 100433 53688 9911 14400 36278 右眼各类别数: 217811 102444 53113 10402 14263 36914 嘴巴各类别数: 8572 78203 174323 173849

训练集大小： (326210,) 测试集大小： (108737,)

blurness:模糊度(0-1)，1为最模糊 leftEyeType:左眼类型(0不带眼镜睁着眼,1不戴眼镜闭着眼,2带普通眼镜睁着眼,3带着普通眼镜闭着眼,4带着墨墨镜,5其他) rightEyeType:右眼类型(0不带眼镜睁着眼,1不戴眼镜闭着眼,2带普通眼镜睁着眼,3带着普通眼镜闭着眼,4带着墨墨镜,5其他) mouthType:嘴巴类型(0带着⾯面具或者带着口罩，1不带口罩)

选择训练集和验证集的txt即可训练，两种方案均已给出，执行相应训练文件即可

运行pytorch2onnx.py ,选择要转的pth文件和导出的文件名即可

选择需要测试的模型，模型保存在checkpoins文件夹中,运行demo.py,程序会自动验证测试集前50个案例。

测试了148个epoch，最终效果如下 epoch 148, loss: 0.1194,blurness: 0.9787 ,leftEye: 0.9435, rightEye: 0.9459, mouth: 0.9814 Validation loss: 0.1782, blurness: 0.9721, leftEye: 0.9411, rightEye: 0.9489, mouth: 0.9712 注：精度还在浮动，还在升，训练过程详情见logs/acc.txt

[weights] 链接：https://pan.baidu.com/s/1mC-P8qWCYA6YYd0-Eepoyw?pwd=c12m 提取码：c12m

[onnx] 链接：https://pan.baidu.com/s/1cGBG8FmwPYtzu6jiNHVHUg?pwd=39hg 提取码：39hg

[shape_predictor] 链接：https://pan.baidu.com/s/1Ca9niK6iLTjTtyudn3hZWg?pwd=pqxa 提取码：pqxa

将其分别放入对应的文件夹