接上一期的文章,挖了个坑,那就继续吧
Hanson:海思NNIE之Mobilefacenet量化部署zhuanlan.zhihu.com关于上述内容,还是得到了一些认可,索性把人脸全家福奉上了,接坑!
https://github.com/hanson-young/nniefacelibgithub.comnniefacelib是一个在海思35xx系列芯片上运行的人脸算法库,目前集成了mobilefacenet和retinaface。 后期也会融合一些其他经典的模型,目的也是总结经验,让更多人早日脱离苦海。欢迎关注!
这篇的话,就讲下RetinaFace的量化和部署吧!相信很多同学在转换的时候吃了苦头,那我们就来宣泄一下吧!
RetinaFace是目前非常优秀的开源人脸检测算法
https://github.com/deepinsight/insightface/tree/master/RetinaFacegithub.com实测效果确实很棒,鲁棒性强,关键点准,能够识别比较复杂场景下的人脸,甚至于比我采用私有数据集训练的mtcnn某些方面还要强,有全局感受野的模型在复杂人脸上的检测效果会有很大优势。很多同学在海思上也有往mtcnn方向下功夫的,其实可以走得通,但现实是,海思弱鸡的CPU算力还是留给其他业务逻辑吧,直接用one-stage的方法也是很香的。另外one stage模型优化起来也是很粗暴的。天下武功,唯快不破,tracking也可以告别光流,而去使用sort,甚至一些场景直接用deepsort去解决switch IDs。综上,将RetinaFace这类模型放上海思的板子上是有巨大的优势。
我参考的代码和模型来自于
https://github.com/Charrin/R