重磅！2K图像90FPS，中科院开源轻量级通用人脸检测器

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。关注 极市平台 公众号 ，回复 加群，立刻申请入群~

极市原创，转载请联系小助手（微信：cv-mart）

论文链接：https://arxiv.org/abs/1904.10633

代码: 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

论文简介

之前极市平台有推过人脸资源的精选GitHub项目 HelloFace：人脸资源精选（代表性工作、最新研究、论文、代码等），而今天要给大家推荐的是一篇最新的单类目标检测论文

LFFD: A Light and Fast Face Detector for Edge Devices。这篇论文为北京工业大学与中科院自动化所团队共同著作，提出了一个实用的通用型人脸检测器LFFD，能够实现2K甚至4K图像的实时检测。

论文亮点

1.是一项兼具创新性、突破性和实用性的目标检测工作，在单类目标检测上做到了极致，能极致平衡准确率与速度

2.基于Anchor-Free思想，提出了感受野就是自然的锚框（Receptive Field Is Natural Anchor）

3.在未作任何优化情况下就实现了“2K图像输入的实时检测”

4.网络极其简单，可以在任何平台上快速部署，已经完成人脸的检测，正在延展到其他的类别，如人头、行人、车辆等

实验结果展示及对比

  • WIDER FACE val set 准确率

  • WIDER FACE test data 准确率

  • FDDB上准确率

  • NVIDIA GTX TITAN Xp (MXNet+CUDA 9.0+CUDNN7.1)速度对比

  • NVIDIA TX2 (MXNet+CUDA 9.0+CUDNN7.1)上速度对比

  • Respberry Pi 3 Model B+ (ncnn)上速度对比

LFFD推理时长大展示

  • 硬件平台：NVIDIA Jetson NANO, CUDA 10.0, CUDNN 7.5.0, TensorRT 5.1.6

  • 硬件平台：NVIDIA RTX 2080TI, CUDA 10.0, CUDNN 7.4.2, TensorRT 5.1.5.0（推理最优，2K图像达到92.63FPS)

  • 硬件平台：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台，4K实时完全无意外了

总结

LFFD效果在速度与准确率平衡上的确是非常不错的，代码已经开源，大家可以去尝试跑跑效果，别忘了去star下这个项目～

-完-

赞 (0)

相关推荐