简介
ZQCNN是ZuoQing参照mini-caffe写的forward库,ZQCNN性能远超mini-caffe、opencv。
MKL下载地址:此处下载
核心模块支持linux:
如果按照build-with-cmake.md不能完全编译,可以只编译ZQ_GEMM,ZQCNN,和其他你想测试的程序
核心模块支持arm-linux:
如果按照build-with-cmake.md不能完全编译,可以只编译ZQ_GEMM,ZQCNN,和其他你想测试的程序
BUG: cmake .. -DSIMD_ARCH_TYPE=arm64 -DBLAS_TYPE=openblas_zq_gemm
理想情况下会使用openblas和ZQ_GEMM较快的一方来计算卷积(我通过在cortex-A72上测试时间来选择分支)。然而目前这个选项并不能达到预期效果,
需要手工注在ZQ_CNN_CompileConfig.h里定义
#define ZQ_CNN_USE_ZQ_GEMM 1
#define ZQ_CNN_USE_BLAS_GEMM 1
可以注释掉
line 67: #if defined(ZQ_CNN_USE_BOTH_BLAS_ZQ_GEMM)
line 70: #endif
训练相关
更新日志
2019-07-08日更新:ZQCNN模型转MNN模型代码
2019-05-28日更新:开源一个准商用级106点模型
ZQCNN格式:在model文件夹det5-dw112
2019-03-16日更新:达到800星,公布更准的106点landmark模型
ZQCNN格式:det5-dw96-v2smodel文件夹中det5-dw96-v2s.zqparams, det5-dw96-v2s.nchwbin
2019-02-14日更新:达到700星,公布人脸检测精选模型
六种Pnet
输入尺寸
计算量(不计bbox)
备注
320x240
8.5 M
对标libfacedetection
320x240
11.6 M
对标libfacedetection
320x240
14.6 M
320x240
18.4 M
对标原版pnet
256x192
7.5 M
stride=4
256x192
9.8 M
stride=4
两种Rnet
输入尺寸
计算量
备注
24x24
0.5 M
对标原版Rnet
24x24
1.4 M
两种Onet
输入尺寸
计算量
备注
48x48
2.0 M
不含landmark
48x48
3.2 M
不含landmark
两种Lnet
输入尺寸
计算量
备注
48x48
3.5 M
lnet_basenum=16
48x48
10.8 M
lnet_basenum=32
2019-01-31日更新:达到600星,公布MTCNN人头检测模型
hollywoodheads数据训练的,效果一般,凑合用吧
2019-01-24日更新:核心模块支持linux
如果按照build-with-cmake.md不能完全编译,可以只编译ZQ_GEMM,ZQCNN,和其他你想测试的程序
2019-01-17日更新
更改了ZQ_CNN_MTCNN.h
(1)init时设置thread_num小于1时可以强制Pnet_stage执行多线程,也就是会分块,对于大图找小脸来说可以防止内存爆掉
(2)rnet/onet/lnet的尺寸可以不是24/48/48,但是只支持宽高相等
(3)rnet/onet/lnet分批处理,在脸非常多时可以减小内存占用
2019-01-15日更新:庆祝达到500星,发放106点landmark模型
2019-01-04日更新:庆祝达到400星,发放快速人脸模型
v3版本还不够好,后面还将出v4版本,大概就是下面这个图的意思
2018-12-25日更新:不开源的106点landmark
生活比较拮据,挣点外快。
landmark106-normal-1000.jpg是model\det5-dw48-1000.nchwbin生成的landmark
landmark106-normal.jpg,与landmark106-big.jpg是我训练的两个没开源的模型
其中normal模型2.1M,计算量11.4M,PC单线程耗时0.6-0.7ms,big模型7.56M,计算量36.4M,PC单线程耗时1.5-1.6ms
2018-12-20日更新:添加MTCNN106点landmark模型
在SampleMTC