本文是总结了我自创的一个高精度的,实时的人脸检测模型的相关文档及代码。
在项目的过程中,使用了多种技巧的实现及试验结果。包括多种损失函数,多种NMS。模型的多种构建方式等等。
最终模型在GPU上测试,使用keras框架,未剪枝的情况下,单张图片耗时20ms,即为50fps,模型的参数量为18w,模型大小为800KB。
而在GPU上测试,使用ncnn框架,未剪枝的情况下,单张图片耗时7ms,即为142fps。
因计算mAP较为耗时,所以我只计算了在判断为人脸的conf阈值为0.4的识别标准,识别正确的IOU阈值为0.5的判断标准下,的准确率及召回率
我将COCO数据集分为两部分,
其一:blur==0 且illumination==0 且 pose==0:
准确率:95%。召回率:93%。mAP:0.93
其二:blur!=0 或illumination!=0 或 pose!=0:
准确率:73%。召回率:71%。mAP:0.72
当然上面的计算并不完全精准,因为我测试集也去除了小脸的label,所以当识别出小脸时,会被误判为错误