歡迎加小助手微信（cv-mart)
備注：研究方向-姓名-學(xué)校/公司-城市（如：目標(biāo)檢測(cè)-小極-北大-深圳），即可申請(qǐng)加入目標(biāo)檢測(cè)、目標(biāo)跟蹤、人臉、工業(yè)檢測(cè)、醫(yī)學(xué)影像、三維&SLAM、圖像分割等極市技術(shù)交流群。

論文鏈接：https://arxiv.org/abs/1904.10633
代碼: https://github.com/YonghaoHe/A-Light-and-Fast-Face-Detector-for-Edge-Devices
演示: https://github.com/becauseofAI/MobileFace
https://github.com/becauseofAI/HelloFace

論文簡介

之前極市平臺(tái)有推過人臉資源的精選GitHub項(xiàng)目 HelloFace：人臉資源精選（代表性工作、最新研究、論文、代碼等），而今天要給大家推薦的是一篇最新的單類目標(biāo)檢測(cè)論文LFFD: A Light and Fast Face Detector for Edge Devices。這篇論文為北京工業(yè)大學(xué)與中科院自動(dòng)化所團(tuán)隊(duì)共同著作，提出了一個(gè)實(shí)用的通用型人臉檢測(cè)器LFFD，能夠?qū)崿F(xiàn)2K甚至4K圖像的實(shí)時(shí)檢測(cè)。

**論文亮點(diǎn)** 1.是一項(xiàng)兼具創(chuàng)新性、突破性和實(shí)用性的目標(biāo)檢測(cè)工作，在單類目標(biāo)檢測(cè)上做到了極致，能極致平衡準(zhǔn)確率與速度 2.基于Anchor-Free思想，提出了感受野就是自然的錨框（Receptive Field Is Natural Anchor） 3.在未作任何優(yōu)化情況下就實(shí)現(xiàn)了“2K圖像輸入的實(shí)時(shí)檢測(cè)” 4.網(wǎng)絡(luò)極其簡單，可以在任何平臺(tái)上快速部署，已經(jīng)完成人臉的檢測(cè)，正在延展到其他的類別，如人頭、行人、車輛等
**實(shí)驗(yàn)結(jié)果展示及對(duì)比**

• WIDER FACE val set 準(zhǔn)確率
  
• WIDER FACE test data 準(zhǔn)確率
  
• FDDB上準(zhǔn)確率
  
• NVIDIA GTX TITAN Xp (MXNet+CUDA 9.0+CUDNN7.1)速度對(duì)比
  
• NVIDIA TX2 (MXNet+CUDA 9.0+CUDNN7.1)上速度對(duì)比
  
• Respberry Pi 3 Model B+ (ncnn)上速度對(duì)比
  
  
  

LFFD推理時(shí)長大展示

硬件平臺(tái)：NVIDIA Jetson NANO, CUDA 10.0, CUDNN 7.5.0, TensorRT 5.1.6

硬件平臺(tái)：NVIDIA RTX 2080TI, CUDA 10.0, CUDNN 7.4.2, TensorRT 5.1.5.0（推理最優(yōu)，2K圖像達(dá)到92.63FPS)

硬件平臺(tái)：NVIDIA GTX 1060(laptop), CUDA 10.0, CUDNN 7.4.2, TensorRT 5.1.5.0

如果跑在更好的硬件平臺(tái)，4K實(shí)時(shí)完全無意外了


總結(jié)
LFFD效果在速度與準(zhǔn)確率平衡上的確是非常不錯(cuò)的，代碼已經(jīng)開源，大家可以去嘗試跑跑效果，別忘了去star下這個(gè)項(xiàng)目～


相關(guān)文章：

• Google又發(fā)大招：高效實(shí)時(shí)實(shí)現(xiàn)視頻目標(biāo)檢測(cè)
• 算力限制場(chǎng)景下的目標(biāo)檢測(cè)實(shí)戰(zhàn)淺談

總結(jié)

以上是生活随笔為你收集整理的重磅！2K图像90FPS，中科院开源轻量级通用人脸检测器的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。