欢迎加小助手微信（cv-mart)
备注：研究方向-姓名-学校/公司-城市（如：目标检测-小极-北大-深圳），即可申请加入目标检测、目标跟踪、人脸、工业检测、医学影像、三维&SLAM、图像分割等极市技术交流群。
论文链接：https://arxiv.org/abs/1904.10633
代码: 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
论文简介
之前极市平台有推过人脸资源的精选GitHub项目 HelloFace：人脸资源精选（代表性工作、最新研究、论文、代码等），而今天要给大家推荐的是一篇最新的单类目标检测论文LFFD: A Light and Fast Face Detector for Edge Devices。这篇论文为北京工业大学与中科院自动化所团队共同著作，提出了一个实用的通用型人脸检测器LFFD，能够实现2K甚至4K图像的实时检测。
**论文亮点** 1.是一项兼具创新性、突破性和实用性的目标检测工作，在单类目标检测上做到了极致，能极致平衡准确率与速度 2.基于Anchor-Free思想，提出了感受野就是自然的锚框（Receptive Field Is Natural Anchor） 3.在未作任何优化情况下就实现了“2K图像输入的实时检测” 4.网络极其简单，可以在任何平台上快速部署，已经完成人脸的检测，正在延展到其他的类别，如人头、行人、车辆等
**实验结果展示及对比**
- WIDER FACE val set 准确率
- WIDER FACE test data 准确率
- FDDB上准确率
- NVIDIA GTX TITAN Xp (MXNet+CUDA 9.0+CUDNN7.1)速度对比
- NVIDIA TX2 (MXNet+CUDA 9.0+CUDNN7.1)上速度对比
- Respberry Pi 3 Model B+ (ncnn)上速度对比
LFFD推理时长大展示
硬件平台：NVIDIA Jetson NANO, CUDA 10.0, CUDNN 7.5.0, TensorRT 5.1.6
硬件平台：NVIDIA RTX 2080TI, CUDA 10.0, CUDNN 7.4.2, TensorRT 5.1.5.0（推理最优，2K图像达到92.63FPS)
硬件平台：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台，4K实时完全无意外了
总结
LFFD效果在速度与准确率平衡上的确是非常不错的，代码已经开源，大家可以去尝试跑跑效果，别忘了去star下这个项目～
相关文章：
