search

BUCT-Vision / weekly-review

Weekly-review of BUCT Lab-614
https://github.com/DIYer22/weekly-review/issues
29 stars 4 forks source link

Review-2019.12.09-车飞 #648

Open carfei opened 4 years ago

carfei commented 4 years ago

Weekly-Review

  1. Retinaface核心思想：利用４多任务学习策略分别预测人脸分数、人脸框、五点关键点以及self-supervised解码分支预测人脸三维位置

  2. retinaface作者提供的mxnet版本与第三方pytorch实现的版本在检测精度上几乎无差别，而且检测率也非常高，与真值人脸数量等同，对侧脸半脸也都可以检测出来，检测精度明显强于libfacedetection和seetaface2

  3. retinaface源码mxnet-resnet50模型加载时间为：cpu1.90s/gpu0.15s，图片检测平均时间：cpu38.86s/gpu3.71s；pytorch-resnet50模型加载时间为：cpu3s/gpu0.70s，图片检测平均时间：cpu8.25s/gpu0.57s；pytorch-mobilenet模型加载时间为：cpu2.4s/gpu0.03s，图片检测平均时间：cpu2.17s/gpu0.18s，对比得pytorch-mobilenet检测精度和检测时间具有明显优势，在有gpu支持时可以媲美libfacedetection和seetaface2

ilydouble commented 4 years ago

哪个方法最轻量级最快，可以烧在芯片上呢？或者一般手机也跑的很快？

carfei commented 4 years ago

谷歌的blazeface 专门用于移动端的人脸检测

13116126573 邮箱：13116126573@163.com

Signature is customized by Netease Mail Master

在2019年12月11日 11:31，Ruirui Li 写道：

哪个方法最轻量级最快，可以烧在芯片上呢？或者一般手机也跑的很快？

— You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or unsubscribe.

DIYer22 commented 4 years ago

要想快的话, base model 可以考虑一下旷视的 ShuffleNet V2, 也可以了解一下网络量化和网络蒸馏, 还可以尝试 TVM.

这些是我道听途说的工业界的经验(我自己并没有尝试过) 但每一个方向都要花费很多人力去做 work.