首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >模型仅1MB,更轻量的人脸检测模型开源,效果不弱于主流算法

模型仅1MB,更轻量的人脸检测模型开源,效果不弱于主流算法

作者头像
量子位
发布2019-10-15 15:17:11
9610
发布2019-10-15 15:17:11
举报
文章被收录于专栏:量子位量子位
AI模型越来越小,需要的算力也也来越弱,但精度依旧有保障。

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型。

项目贡献者介绍,这一模型大小文件仅1MB,320x240输入下计算量仅90MFlops。

当然,效果也不弱于当前业界主流的开源人脸检测算法,甚至有所超越。

超轻量、通用

这一模型的贡献者为linzai,他介绍称,这是针对边缘计算设备或低算力设备(如用ARM推理)设计的一款实时超轻量级通用人脸检测模型:

默认FP32精度下(.pth)文件大小为 1.1MB,推理框架int8量化后大小为 300KB 左右。

目标就是在低算力设备中用ARM进行实时的通用场景的人脸检测推理。同时,这也适用于移动端环境(Android & IOS)、PC环境(CPU & GPU )等等。

GitHub项目页面介绍称,模型已经在Ubuntu16.04、Ubuntu18.04、Windows 10;Python3.6;Pytorch1.2;CUDA10.0 + CUDNN7.6等环境进行过测试,都能够保证正常运行。

模型设计,一共有两个版本,分别是:1)version-slim,主干精简速度略快,2)version-RFB,加入了修改后的RFB模块,精度更高。

而且还提供了320x240、640x480不同输入分辨率下使用widerface训练的预训练模型,能够更好的工作于不同的场景。

linzai介绍称,整个项目中没有特殊算子,支持onnx导出,从而便于移植推理。

效果不弱于当前主流开源算法

如此模型,效果/精度到底如何?

linzai也在GitHub项目页面放出了这一模型在精度、速度、场景测试、大小方面的测试。

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)——当前业界最先进的开源人脸检测算法之一。

在Widerface数据集上的测试结果如下:

version-slim/version-RFB基本上都能够实现最优结果。

在树莓派4B MNN推理测试耗时上的测试结果为:

对比之下,version-slim版本的速度也不在下风。

在地铁站、万达广场、办公室等场景进行测试,结果上version-RFB也比较有优势。

更重要的是,新开源模型的轻量性:

作者系网易新闻·网易号“各有态度”签约作者

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-10-14,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量子位 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 超轻量、通用
  • 效果不弱于当前主流开源算法
  • 作者系网易新闻·网易号“各有态度”签约作者
相关产品与服务
人脸识别
腾讯云神图·人脸识别(Face Recognition)基于腾讯优图强大的面部分析技术,提供包括人脸检测与分析、比对、搜索、验证、五官定位、活体检测等多种功能,为开发者和企业提供高性能高可用的人脸识别服务。 可应用于在线娱乐、在线身份认证等多种应用场景,充分满足各行业客户的人脸属性识别及用户身份确认等需求。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档