模子仅1MB，更轻量的人脸检测模子开源，结果不弱于主流算法

本文经AI新媒体量子位（公家号ID:QbitAI）授权转载，转载请接洽出处。

AI模子越来越小，必要的算力也也来越弱，但精度仍旧有保障。

最新代表，是一个刚在GitHub上开源的中文项目：一款超轻量级通用人脸检测模子。

项目孝顺者先容，这一模子巨细文件仅1MB，320x240输入下计较劲仅90MFlops。

虽然，结果也不弱于当前业界主流的开源人脸检测算法，乃至有所逾越。

超轻量、通用

这一模子的孝顺者为linzai，他先容称，这是针对边沿计较装备或低算力装备(如用ARM推理)计划的一款及时超轻量级通用人脸检测模子：

默认FP32精度下（.pth）文件巨细为 1.1MB，推理框架int8量化后巨细为 300KB 阁下。

方针就是在低算力装备顶用ARM举办及时的通用场景的人脸检测推理。同时，这也合用于移动端情形（Android & IOS）、PC情形（CPU & GPU )等等。

GitHub项目页面先容称，模子已经在Ubuntu16.04、Ubuntu18.04、Windows 10；Python3.6；Pytorch1.2；CUDA10.0 + CUDNN7.6等情形举办过测试，都可以或许担保正常运行。

模子计划，一共有两个版本，别离是：1）version-slim，骨干精简速率略快，2）version-RFB，插手了修改后的RFB模块，精度更高。

并且还提供了320x240、640x480差异输入判别率下行使widerface实习的预实习模子，可以或许更好的事变于差异的场景。

linzai先容称，整个项目中没有非凡算子，支持onnx导出，从而便于移植推理。

结果不弱于当前主流开源算法

云云模子，结果/精度到底怎样？

linzai也在GitHub项目页面放出了这一模子在精度、速率、场景测试、巨细方面的测试。

参赛选手有两个，一个是Libfacedetection，OpenCV中文站站长于仕琪开源的人脸检测算法。

另一个是Retinaface-Mobilenet-0.25 (Mxnet)——当前业界最先辈的开源人脸检测算法之一。

在Widerface数据集上的测试功效如下：

version-slim/version-RFB根基上都可以或许实现最优功效。

在树莓派4B MNN推理测试耗时上的测试功效为：

比拟之下，version-slim版本的速率也不在下风。

在地铁站、万达广场、办公室等场景举办测试，功效上version-RFB也较量有上风。

更重要的是，新开源模子的轻量性：

传送门

在这个项目标GitHub页面，linzai也分享了怎样天生VOC名目实习数据集以及实习流程，以及怎样更好的行使这一模子的要领。

假如你有乐趣，不妨看一看~

【编辑保举】

1. 传统数据库不得当当代企业架构了？
2. 2019年六个不错的数据说明器材
3. 特朗普“开绿灯”：华为或于近期得到Google处事容许
4. PyTorch终于能用上谷歌云TPU，推理机能晋升4倍，该怎样薅羊毛？
5. 搞定Linux Shell文本处理赏罚器材，看完这篇集锦就够了

（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!