原
MTCNN算法提速应用（ARM测试结果评估）
置顶
2017年11月02日 10:48:05
samylee
阅读数：11584
<span class="tags-box artic-tag-box">
<span class="label">标签：</span>
<a data-track-click="{"mod":"popu_626","con":"mtcnn人脸检测"}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=mtcnn人脸检测&t=blog" target="_blank">mtcnn人脸检测 </a>
<span class="article_info_click">更多</span></span>
<div class="tags-box space">
<span class="label">个人分类：</span>
<a class="tag-link" href="https://blog.csdn.net/samylee/article/category/6921813" target="_blank">人脸检测 </a>
</div>
</div>
<div class="operating">
</div>
</div>
</div>
</div>
<article>
<div id="article_content" class="article_content clearfix csdn-tracking-statistics" data-pid="blog" data-mod="popu_307" data-dsm="post">
<div class="article-copyright">
版权声明：本文为博主原创文章，欢迎转载。 https://blog.csdn.net/samylee/article/details/78421960 </div>
<link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-f76675cdea.css">
<div class="htmledit_views">
<p>经博主测试，mtcnn原三层网络如果用于工程测试，<span style="color:#ff0000;">误检情况严重</span>，在fddb上测试结果也是，经常将<span style="color:#ff0000;">手或者耳朵</span>检测为人脸，这个很头疼（<span style="color:#ff0000;">因为标注数据！</span>），所以重新训练显得尤为重要！</p>
博主的改进方法及如何重新训练的就不具体介绍了，主要思想就是用卷积取代池化，fddb测试离散ROC88!
注意：某些公开的非官方mtcnn训练方法有误！只可参考，不可深入！
PC端测试：（测试软件：vs2015，测试硬件：i7-4790-4core）
1920x1080视频，最小检测人脸为60，速度为22ms！
640x480视频，最小人脸为25，速度为17ms！
arm端测试：（硬件：香橙派，全志A64芯片，4核64位Cortex-A53，市场价格240元！）
测试：640x480视频，最小检测人脸80，速度30ms！
测试效果如下（这里对比了Shiqi YU的人脸检测）：
| 算法 |
测试图像尺寸 |
测试最小人脸尺寸 |
算法耗时（ms） |
| ShiqiYU-facedetect_frontal |
2064x1078 |
40 |
95 |
| ShiqiYU-facedetect_frontal_surveillance |
2064x1078 |
40 |
125 |
| ShiqiYU-facedetect_multiview |
2064x1078 |
40 |
215 |
| ShiqiYU-facedetect_multiview_reinforce |
2064x1078 |
40 |
380 |
| OURS |
2064x1078 |
40 |
83 |
ShiqiYU-facedetect_fronta
ShiqiYU-facedetect_frontal_surveillancel
ShiqiYU-facedetect_multiview
ShiqiYU-facedetect_multiview_reinforce
ours
任何问题请加唯一QQ2258205918（名称samylee）！