基于CenterFace的模型优化记录

本文记录了基于CenterFace的人脸检测模型优化过程,包括模型结构、损失函数、目标生成和推理方法。通过调整训练尺寸、特征融合策略、减少关键点输出和模型剪枝,成功降低了FLOPs并保持高精度,适用于移动端应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、序

CenterFace是基于CenterNet的一种AnchorFree人脸检测模型。在widerface上性能虽然没有超过SOTA(Retinaface),但是胜于推理速度较快(不需要NMS),模型结构简单,便于移植部署。

二、背景

模型主要是使用在移动端App中,需要满足:

  1. 上传图片后返回带有人脸检测框的结果图片。
  2. 打开摄像头实时进行检测并拍照,返回检测后的图片。
  3. 需要在室内、室外、白天,晚上场景下均可使用,受众群体密集度比较高,需要支持戴口罩检测,Recall和precision均要求比较高(大于90%)。
  4. 需要支持大小人脸检测。样例如下,难点在于支持小人脸检测以及小模型优化。

image.png

三、CenterFace

本节先简单介绍一下CenterFace模型

  • 模型结构

    CenterFace模型构造比较简单,基础backbone+FPN+head即完成网络构建。1. backbone模型上采

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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