|
I模型越来越小，需要的算力也也来越弱，但精度依旧有保障。
最新代表，是一个刚在GitHub上开源的中文项目：一款超轻量级通用人脸检测模型。
项目贡献者介绍，这一模型大小文件仅1MB，320x240输入下计算量仅90MFlops。
当然，效果也不弱于当前业界主流的开源人脸检测算法，甚至有所超越。
超轻量、通用
这一模型的贡献者为linzai，他介绍称，这是针对边缘计算设备或低算力设备(如用ARM推理)设计的一款实时超轻量级通用人脸检测模型：
默认FP32精度下（.pth）文件大小为 1.1MB，推理框架int8量化后大小为 300KB 左右标就是在低算力设备中用ARM进行实时的通用场景的人脸检测推理。同时，这也适用于移动端环境（Android & IOS）、PC环境（CPU & GPU )等等。
GitHub项目页面介绍称，模型已经在Ubuntu16.04、Ubuntu18.04、Windows 10；Python3.6；Pytorch1.2；CUDA10.0 + CUDNN7.6等环境进行过测试，都能够保证正常运行。
模型设计，一共有两个版本，分别是：1）version-slim，主干精简速度略快，2）version-RFB，加入了修改后的RFB模块，精度更高。
而且还提供了320x240、640x480不同输入分辨率下使用widerface训练的预训练模型，能够更好的工作于不同的场景。
linzai介绍称，整个项目中没有特殊算子，支持onnx导出，从而便于移植推理。
效果不弱于当前主流开源算法
（编辑：广元站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
