巨细仅1MB！超轻量级的人脸辨认模子火爆Github

克日，用户Linzaer在Github上开源了一款合用于边沿计较装备、移动端装备以及 PC 的超轻量级通用人脸检测模子，该模子文件巨细仅1MB，一经开源就霸榜Github Trending榜单。

短短几天时刻，已经在Github上标星2.1K，398个Fork(Github地点：https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB)

据Linzaer先容，该模子计划是针对边沿计较装备或低算力装备(如用ARM推理)计划的，可以在低算力装备中如用ARM举办及时的通用场景的人脸检测推理，同样合用于移动端、PC。

首要具有如下特征：

• 在模子巨细上，默认FP32精度下(.pth)文件巨细为 1.04~1.1MB，推理框架int8量化后巨细为 300KB 阁下。
• 在模子计较劲上，320x240的输入判别率下 90~109 MFlops阁下。
• 模子有两个版本，version-slim(骨干精简速率略快)，version-RFB(插手了修改后的RFB模块，精度更高)。
• 提供了320x240、640x480差异输入判别率下行使widerface实习的预实习模子，更好的事变于差异的应用场景。
• 支持onnx导出，便于移植推理。

今朝测试过正常的运行情形如下：

• Ubuntu16.04、Ubuntu18.04、Windows 10(inference)
• Python3.6
• Pytorch1.2
• CUDA10.0 + CUDNN7.6

精度、速率、模子巨细较量

实习集是行使Retinaface提供的整理过的widerface标签共同widerface数据集天生VOC实习集

Widerface测试

在WIDER FACE test集测试精度(单标准输入判别率：320*240 或按最大边长320等比缩放)

在WIDER FACE test集测试精度(单标准输入判别率：VGA 640*480 或按最大边长640等比缩放 )

终端装备推理速率

树莓派4B MNN推理测试耗时 (单元：ms)(ARM/A72x4/1.5GHz/输入判别率 : 320x240 /int8量化)

模子巨细较量

图片结果如下：

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!