android jni 人头检测_GitHub - leadingtechnology/ZQCNN: 一款比mini-caffe更快的Forward库，觉得好用请点星啊，400星公布快速人脸检测模型，...

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