本文转载自DeepBlue深兰科技
前段时间DBFace人脸检测库横空出世,被高度评价为:“这个仅7M大小的人脸识别模型几乎识别出了世界最大自拍照中的所有人像!”,而近来又进行了升级,最小模型仅1.3M!
DBFace系出名门:国内人工智能公司深兰科技(DeepBlue),这个模型的创建者,正是来自深兰科技下属深兰科学院算法研究所的两位“高手”——Libia和Wish。
据了解,该模型起初只是被放在了Github上,没想到被《机器之心》扒了出来,目前在Github上已有近700颗星。
今天
就跟随这两位算法大咖
一起来看看DBFace是如何诞生的
1. 网络选择
DBFace的初衷是设计成一款轻量级的人脸检测器,能够在边缘计算上有效的使用,而疫情时期的特殊需求,也使得对于hard类(例如戴上口罩)人脸检测势在必行。
因为CenterNet具有后处理的简洁高效性,以及对小目标友好等特点,在综合性能和速度的考虑下,我们选择了CenterNet结构做检测任务,采用MoblienetV3做Backbone。相较于MobilenetV2,MobilenetV3在其基础上新增了 SE 、Hard-Swish Activation等模块,在兼顾Infernce速度的同时提升网络性能 。
结构如下:
![6bc59ab0a64bab8ad06b2f2fa12404ee.png](https://i-blog.csdnimg.cn/blog_migrate/5a0412fa38d4fc5b41089b8f8fe77b49.png)
对于任务头的设计,我们引入了SSH的DetectModule和ContextModule,经实验验证该模块能有效的提升DBFace算法的检出性能。