MTCNN算法提速应用（ARM测试结果评估）

经博主测试，mtcnn原三层网络如果用于工程测试，误检情况严重，在fddb上测试结果也是，经常将手或者耳朵检测为人脸，这个很头疼（因为标注数据！），所以重新训练显得尤为重要！

博主的改进方法及如何重新训练的就不具体介绍了，主要思想就是用卷积取代池化，fddb测试离散ROC88!

 

注意：某些公开的非官方mtcnn训练方法有误！只可参考，不可深入！

 

PC端测试：（测试软件：vs2015，测试硬件：i7-4790-4core）

1920x1080视频，最小检测人脸为60，速度为22ms！

640x480视频，最小人脸为25，速度为17ms！

 

arm端测试：（硬件：香橙派，全志A64芯片，4核64位Cortex-A53，市场价格240元！）

测试：640x480视频，最小检测人脸80，速度30ms！

 

 

测试效果如下（这里对比了Shiqi YU的人脸检测）：

 

算法	测试图像尺寸	测试最小人脸尺寸	算法耗时（ms）
ShiqiYU-facedetect_frontal	2064x1078	40	95
ShiqiYU-facedetect_frontal_surveillance	2064x1078	40	125
ShiqiYU-facedetect_multiview	2064x1078	40	215
ShiqiYU-facedetect_multiview_reinforce	2064x1078	40	380
OURS	2064x1078	40	83

 

ShiqiYU-facedetect_fronta

ShiqiYU-facedetect_frontal_surveillancel

ShiqiYU-facedetect_multiview

ShiqiYU-facedetect_multiview_reinforce

ours

 

任何问题请加唯一QQ2258205918（名称samylee）！

或唯一VX：samylee_csdn