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-

(0)

相关推荐