insightface和facenet效果+性能比较

最近研究了一下两大开源人脸识别算法:insightfacefacenet,包括算法效果与性能,facenet使用的是较早的softmax,Python3环境,基于tensorflow实现;insightface使用的是18年出的arcface,Python2环境,基于mxnet实现。关于不同loss函数的区别,可以参看人脸识别损失函数综述(附开源实现)

算法效果比较

算法层面上,使用最新的arcface比相对较早的facenet的效果是要好的,在megaface这个高难度赛事上也证明了这一点。在lfw数据集和我们自己的数据集上做了测试,insightface的效果是比facenet要好的。

 

算法性能比较

真的到项目里面的时候,不仅仅要考虑准确率的问题,还要考虑速度等性能问题,基于12G显存的GPU简单跑了一下两个模型的service,得出的结果如下:

可以说无论是效果还是性能,insightface都比facenet占有明显的优势。

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI周红伟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值