海思Hi3559导入Retinaface输出结果分析

最新推荐文章于 2025-10-16 21:42:37 发布
原创 最新推荐文章于 2025-10-16 21:42:37 发布 · 1.5k 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#嵌入式

本文详细解析了海思Hi3559导入Retinaface模型后的结果分析，重点介绍了特征图(featuremap)的大小确定过程，以及如何通过配置参数生成不同尺度的锚框(anchorbox)，并解释了模型输出的九组数据所代表的意义。

海思Hi3559导入Retinaface

1.retinaface 结果分析

retinaface输出9组数据对应的意义是什么？模型这些输出代表什么？下面分析
在这里插入图片描述

先了解下 Anchor ：目标检测中的Anchor详解
在这里插入图片描述

确定feature map的大小

下图可以看到，经过stride 32，16，8之后，会得到三种feature map
在这里插入图片描述

确定框anchor box

feature map上每个点对应原图上的框（anchor box），这个框的生成配置如下

_ratio = (1.,)
最低0.47元/天 解锁文章
RK3568笔记二十五：RetinaFace人脸检测训练部署
05-20 2901
Retinaface是来自insightFace的又一力作，基于one-stage的人脸检测网络。RetinaFace是在RetinaNet基础上引申出来的人脸检测框架，所以大致结构和RetinaNet非常像。官方提供两种主干特征提取网络：MobilenetV1-0.25和Resnet，本文以MobilenetV1-0.25为模型部署训练。目前 RetinaFace 可称得上是目前最强的开源人脸检测算法。
【技术文档】RetinaFace（详细版）
认真写的博客
12-20 2790
模型结构 组成backbone的子结构 def conv_bn(inp, oup, stride = 1, leaky = 0): return nn.Sequential( nn.Conv2d(inp, oup, 3, stride, 1, bias=False), nn.BatchNorm2d(oup), nn.LeakyReLU(negative_slope=leaky, inplace=True) ) def conv_bn_no_r
retinaface - 人脸检测网络解析
AI人工智能的海洋
11-24 4586
转载自知乎大佬，个人觉得写的非常好：https://zhuanlan.zhihu.com/p/394962268 paper：https://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1905.00641.pdf github：https://github.com/biubug6/Pytorch_Retinaface Retinaface是来自insightFace的又一力作，基于one-stage的人脸检测网络。 一、主干特征提取网络介绍（Mobilen
retinaface人脸检测
最新发布
qq_63068482的博客
10-16 684
是一款专门用于多尺度人脸检测和关键点定位的深度学习模型。它通过和多任务学习的优势，能够在各种规模的人脸上执行。
RetinaFace论文解读 --- RetinaFace: Single-stage Dense Face Localisation in the Wild
梦坠凡尘
05-26 6576
论文：https://arxiv.org/pdf/1905.00641.pdf 代码：https://github.com/deepinsight/insightface/tree/master/RetinaFace Pytorch复现：https://github.com/biubug6/Pytorch_Retinaface RetinaFace于19年5月份出现，当时取得了state-of-the-art，可以说是目前开源的最强人脸检测算法，先看效果： ...
pytorch-----RetinaFace(代码网络理解)
qq_42242829的博客
04-18 1046
1、网络模型 2、训练 代码在之前的博客中。 （1）骨干网：mobilenet0.25 输入图片[640，640，3] batchsize=32 有三层输出： 对应图片的c3,c4,c5; out1[32,64,80,80] out2[32,128,40,40] out3[32,256,20,20] 特征金字塔： fpn1[32,64,80,80] fpn2[32,64,40,40] fpn3[...
基于retinaface和arcface的人脸识别
147.258.369
04-07 2776
基于retinaface和racface的人脸特征提取介绍
精选资源
海思Hi3559AV100芯片硬件开发板评估板CADENCE（原理图+ PCB）工程文件+PDF原理图
04-25
海思Hi3559AV100是一款高性能的视频处理芯片，主要应用于安防监控、智能设备以及多媒体系统等领域。该芯片集成了多种功能，包括高清视频编码、解码、图像信号处理、智能分析等，为硬件开发提供了一个强大的平台。 ...
精选资源
海思Hi3559AV100开发板CADENCE原理图和 PADS9.5 PCB源文件.zip
01-30
海思Hi3559AV100是一款高性能的芯片，专为视频处理和智能物联网应用设计。这款芯片集成了多种功能，包括图像信号处理器（ISP）、视频编码器、解码器以及强大的中央处理器，使其在监控摄像头、智能家居、自动驾驶等...
海思Hi3559芯片SDK开发包
12-25
海思Hi3559芯片SDK开发包分享下载，Hi3559芯片全套开发资料Hi3559V100R003C02SPC008
retinaface代码讲解_retinaFace PyTorch 版损失函数部分，SSD目标检测 multibox_loss 部分， match() 函数中先验框（anchor，PriorBox）与...
weixin_39837207的博客
12-29 963
RetinaFace 因为其速度快，精度高，是工程中常用的人脸检测模型，和 SSD 一样，它在训练和预测阶段也采用了先验框。最近拿到一份 PyTorch 版本的 RetinaFace，在损失函数(loss function)部分，明显采用了 SSD 的 multibox loss 计算方法。研究某个深度学习模型，除了它的网络设计之外，loss 的计算是最值得研究的了，因此本文将尝试对 multib...
海思3559 人脸识别
jacke121的专栏
05-08 5912
海康3559 人脸 https://blog.youkuaiyun.com/zhenglie110/article/details/83444239 http://www.pianshen.com/article/2627353951/;jsessionid=C1A98DE19897307F943C35C508869E16 海思3559平台移植二维码解码库zbar htt...
海思NNIE Hi3559量化资料
洪流之源
11-13 925
https://blog.youkuaiyun.com/will_young111/article/details/106209882
Faster-RCNN的rpn文件详解
a1103688841的博客
05-22 963
pytorch编写Faster-RCNN的下载地址 目录下的Faster-Rcnn网络文件地址 RPN初始化： 定义： class _RPN(nn.Module): """ region proposal network """ def __init__(self, din): super(_RPN, self).__init__() ...
RetinaFace——经典论文解读
scy的技术博客
11-23 1614
人脸评分人脸框五个人脸关键点投影在图像平面上的密集三维人脸顶点如图：通过五点检测这个额外的信息，也提高了检测的准确率。
retinaface 训练笔记
jacke121的专栏
10-23 3781
https://github.com/jacke121/Pytorch_Retinaface 备注：网络预测的结果是cxcyw h decode后：变成了x1 y1 x2 y2 2019.12.25 1.怎么判断是正样本： 0.35以下是负样本 criterion = MultiBoxLoss(num_classes, 0.35, True, 0, True, 7, 0.3...
RV1126_python人脸识别Retinaface+MobilefaceNet
guolele2010的专栏
03-09 5114
在RKNN上实现人脸识别过程。模型采用Retinaface MobilefaceNet。采用Python代码 在线实现
海思Hi3516-IVE调试
嵌入式人工智能相关
08-18 2487
海思Hi3516-IVE调试
海思Hi3559开发参考文档及原理图下载
标题“Hi3559AV_DEMO_REF.rar”指明了这是一个关于海思Hi3559AV芯片开发的参考压缩包文件。Hi3559AV是海思半导体推出的一款高端多媒体处理芯片，广泛应用于专业视频领域，如安防、广播和专业摄像机等。该芯片支持多...
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值