2021-05-18 人头检测 version-slim(主干精简速度略快)，version-RFB(加入了修改后的RFB模块，精度更高)

最新推荐文章于 2022-01-11 10:52:05 发布
最新推荐文章于 2022-01-11 10:52:05 发布
阅读量310 收藏
点赞数
分类专栏： 常识知识 文章标签： 深度学习 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011473714/article/details/116997099
版权

进入/home/work/detector/路径下：

1、训练过程

[root@localhost detector]   sh train-version-RFB.sh

 

2、测试过程

[root@localhost detector]# python detect_imgs.py

 

 

 

 

红叶骑士之初
关注
专栏目录
2021-05-12 轻量级人脸检测模型训练和测试
u011473714的专栏
05-12 1597
[English](https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB) | [中文简体](https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB/blob/master/README_CN.md ) # Ultra-Light-Fast-Generic-Face-Detector-1MB # 轻量级人脸检测模型 ![img1](htt.
轻量级人脸检测模型—Slim-320
qq_38816432的博客
02-04 903
文章目录1. 模型介绍2. 生成预选框3. 推理结果 1. 模型介绍 Github：https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB 一个轻量级人脸检测模型，提供了Slim-320(速度更快)和RFB-320(精度更高)两个版本，并提供Caffe推理脚本。在产品上部署Slim-320做人脸检测，腾讯TNN提供的人脸检测Demo同样使用的该模型。 运行效果： 2. 生成预选框 模型采用4个分支做预测，每个分支的基础an
onnx-surgery_onnx_complexm2g_
09-30
这是一个onnx模型转caffe模型的工具，使用python语言实现
float32精度_TensorFlow 模型优化工具包：模型大小减半，精度几乎不变！
weixin_39642990的博客
11-30 331
雷锋网 AI 开发者按：近日，TensorFlow 强势推出能将模型规模压缩却几乎不影响精度的半精度浮点量化（float16 quantization）工具。小体积、高精度，还能够有效的改善 CPU 和硬件加速器延迟。TensorFlow 发出相应的文章对该工具做了简要的说明，雷锋网 AI 开发者将其整理编译如下。Float16 Quantization我们非常高兴能够将训练后的 float16 ...
Github上推荐一个国内牛人开发的超轻量级通用人脸检测模型
图像算法Imalg的博客
10-16 2068
1MB轻量级通用人脸检测模型 作者表示该模型设计是为了边缘计算设备以及低功耗设备（如arm）设计的实时超轻量级通用人脸检测模型。它可以用于arm等低功耗计算设备，实现实时的通用场景人脸。 检测推理同样适用于移动终端或pc机。 作者加入widerface测试代码，完善部分测试数据及添加MNN、NCNN C++推理代码等。 从模型大小来看，默认的fp32精度（.pth...
基于python和c++改写后的RFB320-Face-Detector移植部署版本源码(caffe、onnx等平台).zip
最新发布
06-26
基于python和c++改写后的RFB320_Face_Detector移植部署版本源码(caffe、onnx、tensorRT平台).zip RFB320_Face_Detector 部署版本，后处理用python语言和C++语言形式进行改写，便于移植不同平台（caffe、onnx、...
face-mask-detection-tf2:在Tensorflow 2.1中使用带有简化Mobilenet和RFB或Pelee的ssd进行口罩检测。 在您自己的数据集上进行训练。 可以转换为kmodel并在k210的边缘设备上运行
03-09
面罩检测 该模型是轻量级的面罩检测模型。 基于ssd的骨干网是Mobilenet和RFB。 主要特点 Tensorflow 2.1 训练与推论 使用mAP的精度 使用tf.GradientTape急切模式训练 使用tf.keras网络功能 使用tf.data....
2021-2022收藏的精品资料LM2734大功率LED恒流驱动电路的设计精.doc
09-16
例如，LM2734的恒流驱动电路中，通过调整反馈电阻RFB1和RFB2，当负载电流变化时，能够维持输出电压稳定，确保LED的工作电流恒定。这种设计有助于提升大功率LED的效率并减少能耗。 总的来说，大功率LED恒流驱动电路...
Python-用于精确和快速对象检测的ReceptiveFieldBlock网络
08-11
3. **构建主网络**：在基础网络结构上插入RFB模块，形成完整的检测网络。 4. **训练网络**：加载数据集，设置损失函数和优化器，进行模型训练。 5. **评估与测试**：在验证集和测试集上评估模型性能，可视化检测结果...
ncnn matlab,1M人脸检测模型(含关键点)
weixin_34697393的博客
03-17 468
Face-Detector-1MB-with-landmark实现功能Retinaface-mobile0.25的训练/测试/评估/ncnn C++推理Face-Detector-1MB slim和RFB版本的训练/测试/评估/ncnn C++推理人脸5个关键点检测支持onnx导出网络parameter和flop计算带有关键点检测的超轻量级人脸检测器提供了一系列适合移动端部署包含关键的人脸检测器:...
RFB Net算法笔记
热门推荐
AI之路
08-10 3万+
论文：Receptive Field Block Net for Accurate and Fast Object Detection 论文链接：https://arxiv.org/abs/1711.07767 代码链接：https://github.com/ruinmessi/RFBNet 这篇是ECCV2018关于目标检测的文章，提出了RFB Net网络用于目标检测，可以在兼顾速度的同时...
Ultra-Light-Fast-Generic-Face-Detector-1MB的自定义数据集训练 | 多分类推理修改 (2)
Andrwin的博客
09-22 470
上一篇帖子我们介绍了如何修改源代码适应我们自己定义的数据集做一个多分类的目标检测任务。 Ultra-Light-Fast-Generic-Face-Detector-1MB的自定义数据集训练 | 多分类修改指南_Andrwin的博客-CSDN博客 训练好的权重会被保存在 项目根目录/models/train-version-RFB 这个文件夹里面，你可以根据训练日志选择损失最小的一个权重。 第一件事是新建一个分类标签列表，看过上一篇博客的朋友可能不理解为什么又要新建一个列表，因为原始代码对于列表读取的
caffe 人脸关键点检测_1M人脸检测模型(含关键点)
weixin_39929465的博客
01-26 340
Face-Detector-1MB-with-landmark实现功能Retinaface-mobile0.25的训练/测试/评估/ncnn C++推理Face-Detector-1MB slim和RFB版本的训练/测试/评估/ncnn C++推理人脸5个关键点检测支持onnx导出网络parameter和flop计算带有关键点检测的超轻量级人脸检测器提供了一系列适合移动端部署包含关键的人脸检测器:...
java rfb,github上开源的超轻量级人脸检测模型及github地址。
weixin_32661831的博客
03-11 435
该模型设计是针对边缘计算设备或低算力设备(如用ARM推理)设计的实时超轻量级通用人脸检测模型，可以在低算力设备中如用ARM进行实时的通用场景的人脸检测推理，同样适用于移动端、PC。在模型大小上，默认FP32精度下(.pth)文件大小为 1.04~1.1MB，推理框架int8量化后大小为 300KB 左右。在模型计算量上，320x240的输入分辨率下 90~109 MFlops左右。模型有两个版本，...
RFBnet论文及其代码详解
qq_26024067的博客
10-22 4971
RFBnet 之前学习一直是看CSDN和知识，感觉还是很多细节未能很好地了解，于是最近打算开始阅读原文，并记录自己的想法与代码解析。 可能有些错别字或者错误结论啥的哈。希望见谅。 Abstract 当前顶尖的目标检测网络(背景是在2018年)都是基于卷积神经网络作为特征提取网络(backbone),例如resnet-101与Inception，虽然这些特征提取网络有着强大的特征提取能力，但是却需要高昂的计算开销。与之相反，一些轻量化模型可以实现实时检测，但他们的精度却受到诟病。 在这篇文章中，作者探索出一
Tensorflow 版本切换与 slim 问题
Abandon_first的博客
03-23 1562
slim 概述 tf_slim 库能够使定义、训练和评估神经网络变得更简单。如其下的 arg_scope 和 layers 能够使定义模型变得更简单。 比如 slim.arg_scope，它可以给函数的参数自动赋予某些默认值。使用了之后，就不需要每次都重复设置参数，只需要在有需要修改的地方重新设置即可。如此，可以大大减少代码量，与此同时，增加可读性，减少误操作。当模型层数很多，同时有很多类似甚至完全一样的层时，使用 arg_scope 能大大减少定义模型的工作量。 导入 slim 模块 从 Tensorfl
Slim使用详解
Smile李先生
03-01 1万+
使用 Composer 进行安装 首先在你的项目中安装 Composer： 1 curl -s https://getcomposer.org/installer | php 然后在你的项目根目录中建立名为 composer.json 的文件： 1 2 3 4 5 {     
RFB（Receptive Field Block）
qq_52302919的博客
01-11 2万+
文中提出了一种新的特征提取模块——RFB，该文的出发点是模拟人类视觉的感受野从而加强网络的特征提取能力，在结构上RFB借鉴了Inception的思想，主要是在Inception的基础上加入了空洞卷积，从而有效增大了感受野.
模型仅1MB，更轻量的人脸检测模型开源，效果不弱于主流算法
量子位
10-14 583
乾明 编辑整理量子位 报道 | 公众号 QbitAIAI模型越来越小，需要的算力也也来越弱，但精度依旧有保障。最新代表，是一个刚在GitHub上开源的中文项目：一款超轻...
深度学习目标检测：从R-CNN到RFBNet的演进全览
"这篇资源是一篇关于目标检测的综述论文，涵盖了从2013年的R-CNN到2018年ECCV上的RFBNet等四十多篇相关论文，涉及R-CNN系列、YOLO系列、RPN、SSD、FPN和RetinaNet等多个深度学习目标检测模型。论文由国防科技大学、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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