人头检测 模型 c++_LFFD 再升级!新增行人和人头检测模型,还有了优化的C++实现...

LFFD轻量级人脸检测器不仅适用于人脸检测,还新增行人和人头检测模型,提供C++、NCNN、MNN、OpenVINO的优化实现,适合设备部署。模型精度提升,速度保持快速,已在多个GPU平台上测试。源代码已开源,供开发者试用。
摘要由CSDN通过智能技术生成

点击我爱计算机视觉标星,更快获取CVML新技术


八月底CV君曾向大家推荐了 LFFD:轻量级人脸检测器,不止是快,其不仅仅可用于人脸检测,实际上是一款优秀的单类目标检测器。其最大特点是在精度接近SOTA的同时,速度非常快。

最近该项目新增不少吸引人的特性,而且还有朋友再进一步优化LFFD,使其更适于工程开发。

1. 社区网友 @SyGoing 使用C++语言实现和 NCNN 、 MNN 、OpenVINO优化的 LFFD。使其更有利于设备部署。

NCNN版:

https://github.com/SyGoing/LFFD-with-ncnn

MNN版:

https://github.com/SyGoing/LFFD-MNN

OpenVINO版:

https://github.com/SyGoing/LFFD-OpenVINO

b81c44166526a5f29eced5fa4e789ea8.png

2. 人脸检测模型更新v2版,速度依旧快,精度更高。

749c1c9df2f3a75db00c827f0b2635b8.png

06650341e132d0967fb5ae8c08dc22e9.png

3. 发布行人检测模型,基于 Caltech Pedestrian 数据集上训。

8c496d73c847938a8471577406bb52ea.png

6ce9dd26d382836bec601e8810a9ac0f.png

4. 发布人头检测模型,基于 brainwash 数据集训练。 

速度很快,

  • Platform info: NVIDIA RTX 2080TI, CUDA 10.0, CUDNN 7.4.2, TensorRT 5.1.5.0

Model Version320×240640×4801280×7201920×10803840×21607680×4320
v10.83ms(1198.38FPS)1.91ms(524.14FPS)4.83ms(206.92FPS)10.62ms(94.19FPS)42.28ms(23.65FPS)166.81ms(5.99FPS)
  • Platform info: NVIDIA GTX 1060(laptop), CUDA 10.0, CUDNN 7.4.2, TensorRT 5.1.5.0

Model Version320×240640×4801280×7201920×10803840×2160
v11.62ms(618.53FPS)4.83ms(207.06FPS)13.67ms(73.18FPS)30.01ms(33.32FPS)121.15ms(8.25FPS)

CAUTION: The latency may vary even in the same setting.

而且精度超越FCHD:

4cb7c0be3ccd3eb320d79a0c76c2f1a1.png

eb6d657e2fd0b339fe9647877827735f.png

感谢作者和社区贡献者,欢迎试用~

开源地址:
https://github.com/YonghaoHe/A-Light-and-Fast-Face-Detector-for-Edge-Devices

更多阅读:

目前最强开源人脸检测算法RetinaFace


目标检测交流群

关注最新最前沿的目标检测技术,扫码添加CV君拉你入群,(如已为CV君其他账号好友请直接私信)

(请务必注明:目标检测)

cfbd54f6ce1e9936ab01efc067012ab0.png

喜欢在QQ交流的童鞋,可以加52CV官方QQ群:805388940。

(不会时时在线,如果没能及时通过验证还请见谅)


99cf575d4c97f1e1aa9914d64b766490.png

长按关注我爱计算机视觉

评论
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
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