MTCNN演算法提速應用(ARM測試結果評估)
阿新 • • 發佈:2019-02-02
經博主測試,mtcnn原三層網路如果用於工程測試,誤檢情況嚴重,在fddb上測試結果也是,經常將手或者耳朵檢測為人臉,這個很頭疼(因為標註資料!),所以重新訓練顯得尤為重要!
博主的改進方法及如何重新訓練的就不具體介紹了,主要思想就是用卷積取代池化,fddb測試離散ROC88!
注意:某些公開的非官方mtcnn訓練方法有誤!只可參考,不可深入!
PC端測試:(測試軟體:vs2015,測試硬體:i7-4790-4core)
1920x1080視訊,最小檢測人臉為60,速度為22ms!
640x480視訊,最小人臉為25,速度為17ms!
arm端測試:(硬體:香橙派,全志A64晶片,4核64位Cortex-A53,市場價格
測試:640x480視訊,最小檢測人臉80,速度30ms!
測試效果如下(這裡對比了Shiqi YU的人臉檢測):
演算法 | 測試影象尺寸 | 測試最小人臉尺寸 | 演算法耗時(ms) |
ShiqiYU-facedetect_frontal | 2064x1078 | 40 | 95 |
ShiqiYU-facedetect_frontal_surveillance | 2064x1078 | 40 | 125 |
ShiqiYU-facedetect_multiview | 2064x1078 | 40 | 215 |
ShiqiYU-facedetect_multiview_reinforce | 2064x1078 | 40 | 380 |
OURS | 2064x1078 | 40 | 83 |
ShiqiYU-facedetect_fronta
ShiqiYU-facedetect_frontal_surveillancel
ShiqiYU-facedetect_multiview
ShiqiYU-facedetect_multiview_reinforce
ours
任何問題請加唯一QQ2258205918(名稱samylee)!