自创实时高精度人脸检测模型原理及相关代码实现，及目标检测的各种相关知识，试验及细节。

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