scrfd环境配置

scrfd-github
1.激活环境

conda create --name openmmlab python=3.8 -y
conda activate openmmlab

2.下载torch

pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 -f https://download.pytorch.org/whl/torch_stable.html

在这里插入图片描述
3.下载mmcv

pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10.0/index.html

在这里插入图片描述
4.原文是去pip install -r requirements/build.txt,但是这样安装的是最新版的cython,有点问题,我选择

pip install cython==0.29.28

5.安装mmdet

python setup.py develop

6.安装onnx

pip install onnx
pip install onnx-simplifier

7.一些其他的库

conda install matplotlib
conda install scipy

8.demo运行看看

python demo/image_demo.py weights/face.jpg configs/scrfd/scrfd_500m.py weights/model_500M.pth

效果
在这里插入图片描述
9.onnx导出

python tools/scrfd2onnx.py configs/scrfd/scrfd_34g.py weights/scrfd_34g.pth --shape 640 640 --input-img weights/face.jpg

在这里插入图片描述
显示mmcv版本不对,换成1.3.17

pip install mmcv-full==1.3.17 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10.0/index.html
  • 10
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SCRFD和ArcFace是两个不同的人脸识别算法,它们通常结合使用来提高人脸识别的准确性。下面是它们各自的优劣势: SCRFD的优势: 1. 高效准确的人脸检测:SCRFD通过使用深度卷积神经网络架构,能够高效地检测和定位图像中的人脸,具有较高的准确性和鲁棒性。 2. 实时性能:SCRFD在保持较高准确性的同时,能够实时处理大量的图像数据,适用于实时人脸识别的场景,如视频监控和人脸验证等。 ArcFace的优势: 1. 较高的识别准确性:ArcFace通过学习具有较好边界分离性的特征空间,能够提供更加准确和鲁棒的人脸识别结果,具有较高的识别准确性。 2. 鲁棒性和泛化能力:ArcFace在面对光照、角度、遮挡等变化时,仍然能够保持较好的识别性能,具有较强的鲁棒性和泛化能力。 综合使用SCRFD和ArcFace的优势: 1. 结合SCRFD和ArcFace可以实现更完整的人脸识别系统:SCRFD提供准确的人脸检测和定位结果,为ArcFace提供输入,从而提高整个人脸识别系统的准确性和鲁棒性。 2. 提高系统的实时性能:SCRFD的高效性能使得整个人脸识别系统能够实时处理大量的图像数据,满足实时人脸识别的需求。 然而,SCRFD和ArcFace也有一些限制: 1. 对于低质量图像或极端变形的人脸,识别效果可能会受到影响。 2. 在大规模人脸识别应用中,需要大量的训练数据和计算资源来训练和部署这些算法。 综上所述,SCRFD和ArcFace结合使用可以提供高效准确的人脸识别系统,具有较高的识别准确性、鲁棒性和实时性能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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