加入收藏 | 设为首页 |

雷火app-「人脸检测系列」mtcnn vs retinaFace

海外新闻 时间: 浏览:295 次

retinaFace在本年的5月份宣告开源,给mtcnn算法带来不少冲击,现在来看,不管从检测精确率仍是检测时刻来看,retinaFace都比mtcnn算法好不少,今日小编对retinaFace和mtcnn进行简略的比较

现在来看,mtcnn算法只要一个缺点,便是当图画中的人脸数目比较多的时分,mtcnn人脸检测算法的的功能下降的比较快,而retinaFace算法不受人脸数量的约束,这是因为 mtcnn算法使用了图画金字塔算法,需求对图画进行屡次缩放,导致前向运算次数比较多,严峻拖慢了检测速度,而retinaFace是依据FPN的检测算法,无需进行图画雷火app-「人脸检测系列」mtcnn vs retinaFace金字塔,仅需求前向雷火app-「人脸检测系列」mtcnn vs retinaFace运算一次即可,好了说了那么多,下面跟着小编的脚步,从使用的视点比较一下。

首要看一下小编机器的功能

电脑装备

小编的电脑仍是比较老的,CPU 2核 2.1G

首要看一下待检测图画

待检测图画

mtcnn花了3.58s检测出了18张脸,能够说是十分精确了

mtcnn检测成果

下面看一下retinaFace的检测状况,retinaFace(mnet0.25,单标准) 仅用了1.2s检测出了16张人脸。小编用的是依据mobilenet作为主干网络的retinaFace,而且是但标准的,相信誉resnet作为主干网络检雷火app-「人脸检测系列」mtcnn vs retinaFace测功能会更好。

最终说一下retinaFace,也是现在one-stage 方针检测算法的缺点

1.预设的anchor 是一柄双刃剑,anchor需求事前指定,而且不同的检测使命需求的anchor并不相同

2.anchor的数量会十分的多,因为fpn依据featureMap上的每一个点生成一个anchor,即便咱们用nms或许soft-nms去重,高中英语作文可是负样本的数量仍然十分十分多,与正样本份额严峻失衡,所以比如RetinaNet等网络的作业都是想办法去采纳适宜的份雷火app-「人脸检测系列」mtcnn vs retinaFace额参数平衡这个差异。

3.Anchor数量巨多,需求每一个都进行IOU核算,消耗巨大的算力,降低了功率,过程十分繁琐,而这些冗余其实是能够消除的。以上是anchor十分显着的缺点,所以anchor-free模型开端鼓起,它的鼓起,一方面阐明anchor-based固有的缺点需求改正;另一方面阐明现有的anchor-based办法已经有了很高的baseline,欠好持续打破。