大小仅1MB!超轻量级的人脸识别模型火爆Github

人工智能 人脸识别
近日,用户Linzaer在Github上开源了一款适用于边缘计算设备、移动端设备以及 PC 的超轻量级通用人脸检测模型,该模型文件大小仅1MB,一经开源就霸榜Github Trending榜单。

近日,用户Linzaer在Github上开源了一款适用于边缘计算设备、移动端设备以及 PC 的超轻量级通用人脸检测模型,该模型文件大小仅1MB,一经开源就霸榜Github Trending榜单。

 

 

 

 

短短几天时间,已经在Github上标星2.1K,398个Fork(Github地址:https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB)

 

 

 

 

据Linzaer介绍,该模型设计是针对边缘计算设备或低算力设备(如用ARM推理)设计的,可以在低算力设备中如用ARM进行实时的通用场景的人脸检测推理,同样适用于移动端、PC。

 

 

 

 

主要具有如下特性:

  • 在模型大小上,默认FP32精度下(.pth)文件大小为 1.04~1.1MB,推理框架int8量化后大小为 300KB 左右。
  • 在模型计算量上,320x240的输入分辨率下 90~109 MFlops左右。
  • 模型有两个版本,version-slim(主干精简速度略快),version-RFB(加入了修改后的RFB模块,精度更高)。
  • 提供了320x240、640x480不同输入分辨率下使用widerface训练的预训练模型,更好的工作于不同的应用场景。
  • 支持onnx导出,便于移植推理。

目前测试过正常的运行环境如下:

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

精度、速度、模型大小比较

训练集是使用Retinaface提供的清理过的widerface标签配合widerface数据集生成VOC训练集

Widerface测试

在WIDER FACE test集测试精度(单尺度输入分辨率:320*240 或按最大边长320等比缩放)

 

 

 

 

在WIDER FACE test集测试精度(单尺度输入分辨率:VGA 640*480 或按最大边长640等比缩放 )

 

 

 

 

终端设备推理速度

树莓派4B MNN推理测试耗时 (单位:ms)(ARM/A72x4/1.5GHz/输入分辨率 : 320x240 /int8量化)

 

 

 

 

模型大小比较

 

 

 

 

图片效果如下:

 

 

 

 

 

 

 

 

 

 

 

 

责任编辑:庞桂玉 来源: 开源最前线
相关推荐

2019-10-14 15:13:24

AI 数据人工智能

2016-10-14 16:35:39

2009-06-23 08:56:55

Linux桌面搜索

2020-04-10 14:10:50

人脸识别人工智能华为

2009-03-09 18:08:26

LinuxEvilvte终端模拟器

2009-03-09 21:06:35

LinuxEvilvte终端模拟器

2023-05-10 18:18:55

Linux发行版

2022-05-12 08:04:50

Docker镜像Python

2019-08-13 09:35:13

人工智能人脸识别技术

2021-08-13 10:01:19

人脸识别人工智能数据

2017-03-20 08:58:02

Python人脸识别AI

2024-06-12 12:57:12

2017-05-27 08:36:54

2023-07-26 08:40:27

2020-03-17 10:45:11

GitHub代码开发者

2024-11-01 07:00:00

人脸识别Python机器学习

2020-11-02 11:24:52

算法人脸识别技术

2024-09-30 06:04:02

人脸识别Python机器学习

2024-01-08 13:38:00

AI模型

2020-12-23 08:29:08

人脸识别AI人工智能
点赞
收藏

51CTO技术栈公众号