Github推荐一个国内牛人开发的超轻量级通用人脸检测模型

Ultra-Light-Fast-Generic-Face-Detector-1MB

1MB轻量级通用人脸检测模型

 

 

 

 

作者表示该模型设计是为了边缘计算设备以及低功耗设备（如arm）设计的实时超轻量级通用人脸检测模型。它可以用于arm等低功耗计算设备，实现实时的通用场景人脸。

检测推理同样适用于移动终端或pc机。

作者加入widerface测试代码，完善部分测试数据及添加MNN、NCNN C++推理代码等。

• 从模型大小来看，默认的fp32精度（.pth）文件大小为1.04~1.1MB，推理帧int8约为300KB。
• 在模型计算中，320x240的输入分辨率约为90~109mflops。
• 该模型有两个版本，版本slim（简化速度稍快）、版本rfb（带有修改后的rfb模块，精度更高）。
• 提供使用320x240和640x480不同输入分辨率的Widerface培训的预培训模型，以便更好地在不同的应用场景中工作。
• 支持onxx导出，易于移植推理。

 

作者测试过PC运行环境

• Ubuntu16.04、Ubuntu18.04、Windows 10（inference）
• Python3.6
• Pytorch1.2
• CUDA10.0 + CUDNN7.6

 

我们来看下速度、精度和模型大小对比数据

训练集是使用Retinaface提供的清洁过的Wideface标记以及Wideface数据集生成的，以生成VOC训练集（PS：以下测试结果由我本人测试，结果可能有所不同）。

Widerface测试情况

宽面测试集中的测试精度（单标度输入分辨率：320*240）

模型Easy SetMedium SetHard Setlibfacedetection v1（caffe）0.650.50.233libfacedetection v2（caffe）0.7140.5850.306官方 Retinaface-Mobilenet-0.25 (Mxnet)0.7450.5530.232version-slim0.7650.6620.385version-RFB0.7840.6880.418

 

宽面测试集中的测试精度（单刻度输入分辨率：VGA 640*480）

模型Easy SetMedium SetHard Setlibfacedetection v1（caffe）0.7410.6830.421libfacedetection v2（caffe）0.7730.7180.485官方 Retinaface-Mobilenet-0.25 (Mxnet)0.8790.8070.481version-slim0.7570.7210.511version-RFB0.8510.810.541

 

看看在树莓派推理速度

树莓pi 4b mnn推理测试时间（ms）（arm/a72x4/1.5ghz/输入分辨率：320x240/int8量化）

模型1核2核3核4核libfacedetection v12816129.7官方 Retinaface-Mobilenet-0.25 (Mxnet)462518.515version-slim2916129.5version-RFB3519.614.811

我们来看看模型大小数据比较

几种主流开源轻量级人脸检测模型的大小比较：

模型模型文件大小（MB）libfacedetection v1（caffe）2.58libfacedetection v2（caffe）3.34官方 Retinaface-Mobilenet-0.25 (Mxnet)1.68version-slim1.04version-RFB1.11

 

生成voc格式的训练数据集和训练流程

一、下载wideface官方网站数据集或下载我提供的培训集并将其提取到./data文件夹：

（1）过滤掉10px*10px面后干净的wideface数据压缩包

（2）完整的未过滤小面宽面数据压缩包

（注：如果下载上述（1）中的过滤包，则无需执行此步骤）

二、由于宽空间中有许多小而不清晰的面，不利于有效模型的收敛，因此需要进行过滤。训练时，默认值是过滤10像素x 10像素的脸大小。

运行./data/wide_face_2_voc_add_landmark.py

python3 ./data/wider_face_2_voc_add_landmark.py

程序运行并完成后，将在./data目录中生成更宽的

“u face_add_lm_10_10”文件夹。解压后文件夹数据和数据包（1）相同。完整的目录结构如下：

 data/
 retinaface_labels/
 test/
 train/
 val/
 wider_face/
 WIDER_test/
 WIDER_train/
 WIDER_val/
 wider_face_add_lm_10_10/
 Annotations/
 ImageSets/
 JPEGImages/
 wider_face_2_voc_add_landmark.py

 

三、VOC训练集已准备就绪，在项目的根目录中有两个脚本

train_mb_tiny_fd.sh和train_mb_tiny_rfb_fd.sh。

四、前者用于训练slim版本模型，后者用于训练rfb版本模型。已设置默认参数。有关微调，请参阅./train.py中每个训练超参数的说明。

运行train_mb_tiny_fd.sh和train_mb_tiny_rfb_fd.sh

sh train_mb_tiny_fd.sh 或者 sh train_mb_tiny_RFB_fd.sh

 

我们来看看几张分辨率为640*480的人脸检测效果图：

 

 

 

 

 

 

 

• 如果实际的生产场景是中距离、大面和小面，建议使用输入尺寸输入尺寸：320（320x240）分辨率训练，并使用320x240图像尺寸输入进行预测推理，例如使用提供的预训练模型。用于推理的mb_tiny_rfb_fd_train_320.pth输入。
• 如果实际的生产场景是中长距离、小面和大量面，建议：
• （1）最优：输入大小输入大小：640（640x480）分辨率训练，并使用相同或更大的输入大小进行预测推理，如使用提供的训练前模型mb_tiny_rfb_fd_train_640.pth进行推理，误报率更低。
• （2）次优：输入大小输入大小：320（320x240）分辨率训练，并使用480x360或640x480大小输入进行预测推理，对小脸更敏感，误报会增加。

 

• 每个场景的最佳结果都需要调整输入分辨率，以便在速度和精度之间取得平衡。
• 过大的输入分辨率会提高小人脸的召回率，但也会增加大、近距离人脸的误报率，推理速度会成倍增加。
• 输入分辨率过小会显著加快推理速度，但会大大降低小人脸的召回率。
• 制作场景的输入分辨率应尽量与模型训练的输入分辨率一致，上下浮动不宜过大。

相关数据集及代码大家可以在Github上找得到。