歡迎加小助手微信（cv-mart)
備注：研究方向-姓名-學校/公司-城市（如：目標檢測-小極-北大-深圳），即可申請加入目標檢測、目標跟蹤、人臉、工業檢測、醫學影像、三維&SLAM、圖像分割等極市技術交流群。

論文鏈接：https://arxiv.org/abs/1904.10633
代碼: https://github.com/YonghaoHe/A-Light-and-Fast-Face-Detector-for-Edge-Devices
演示: https://github.com/becauseofAI/MobileFace
https://github.com/becauseofAI/HelloFace

論文簡介

之前極市平臺有推過人臉資源的精選GitHub項目 HelloFace：人臉資源精選（代表性工作、最新研究、論文、代碼等），而今天要給大家推薦的是一篇最新的單類目標檢測論文LFFD: A Light and Fast Face Detector for Edge Devices。這篇論文為北京工業大學與中科院自動化所團隊共同著作，提出了一個實用的通用型人臉檢測器LFFD，能夠實現2K甚至4K圖像的實時檢測。

**論文亮點** 1.是一項兼具創新性、突破性和實用性的目標檢測工作，在單類目標檢測上做到了極致，能極致平衡準確率與速度 2.基于Anchor-Free思想，提出了感受野就是自然的錨框（Receptive Field Is Natural Anchor） 3.在未作任何優化情況下就實現了“2K圖像輸入的實時檢測” 4.網絡極其簡單，可以在任何平臺上快速部署，已經完成人臉的檢測，正在延展到其他的類別，如人頭、行人、車輛等
**實驗結果展示及對比**

• WIDER FACE val set 準確率
  
• WIDER FACE test data 準確率
  
• FDDB上準確率
  
• NVIDIA GTX TITAN Xp (MXNet+CUDA 9.0+CUDNN7.1)速度對比
  
• NVIDIA TX2 (MXNet+CUDA 9.0+CUDNN7.1)上速度對比
  
• Respberry Pi 3 Model B+ (ncnn)上速度對比
  
  
  

LFFD推理時長大展示

硬件平臺：NVIDIA Jetson NANO, CUDA 10.0, CUDNN 7.5.0, TensorRT 5.1.6

硬件平臺：NVIDIA RTX 2080TI, CUDA 10.0, CUDNN 7.4.2, TensorRT 5.1.5.0（推理最優，2K圖像達到92.63FPS)

硬件平臺：NVIDIA GTX 1060(laptop), CUDA 10.0, CUDNN 7.4.2, TensorRT 5.1.5.0

如果跑在更好的硬件平臺，4K實時完全無意外了


總結
LFFD效果在速度與準確率平衡上的確是非常不錯的，代碼已經開源，大家可以去嘗試跑跑效果，別忘了去star下這個項目～


相關文章：

• Google又發大招：高效實時實現視頻目標檢測
• 算力限制場景下的目標檢測實戰淺談

總結

以上是生活随笔為你收集整理的重磅！2K图像90FPS，中科院开源轻量级通用人脸检测器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。