MTCNN算法提速应用(ARM测试结果评估)

版权声明:本文为博主原创文章,欢迎转载。 https://blog.csdn.net/samylee/article/details/78421960

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)!

阅读更多
想对作者说点什么?

博主推荐

换一批

没有更多推荐了,返回首页