计算两张人脸对应关键点位置之间的l2距离_DBFace升级，模型仅1.3M的轻量级高精度人脸检测模型...

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：

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。