胖胖大海的博客

在本文中，从精简模型预测结果，丢弃小的人脸检测结果的角度对RetinaFace进行优化。通过前面的描述我们知道，RetinaFace里面采用了特征金字塔FPN，其中低层特征用来检测小的人脸，高层的特征用来检测大的人脸，但是如果下游是人脸识别任务的话，小的人脸对于人脸识别结果不论是在准确率还是召回率方面都没有太多正向的作用。所以不如把检测小的人脸这部分功能去掉，节省算力，还能提升一些模型的推理速度。

在前面几篇文章中分别简单介绍了人脸检测、人脸特征提取、大规模人脸识别、提升人脸识别结果稳定性。其中，大规模人脸识别和提升人脸识别结果稳定性都需要依赖大量的标准人脸特征，如何才能快速的完成大规模标准人脸图像的选择、入库，决定了人脸识别能力的部署响应速度以及识别范围的快速扩充。

人脸识别服务需要包括以下几个功能模块：1、人脸检测和人脸校正模块2、人脸特征提取模块3、人脸特征匹配模块4、人脸识别结果计算模块前几篇文章中分别介绍了人脸检测、人脸特征提取和大规模人脸向量匹配，这篇文章简要介绍一下提升识别结果的稳定性。在大规模人脸识别的文章中我们说过，确定人脸识别结果的简单办法可以通过计算待识别特征x和一堆标准特征y之间的最小空间距离来决定人脸身份的归属。那么问题来了？情景再现一下：一个不放心的爹想通过人脸识别来判断一下自己的儿子是不是亲生的，或者想知道

人脸识别服务需要包括以下几个功能模块：1、人脸检测和人脸校正模块2、人脸特征提取模块3、人脸特征匹配模块4、人脸识别结果计算模块前两篇文章中分别介绍了人脸检测和人脸特征提取，这篇文章简要介绍一下人脸特征匹配，也就是人脸特征识别部分。人脸识别1：1识别，人脸验证（门禁、机场、车站刷脸进站）1：N识别，人脸识别，在标准人脸库中进行人脸匹配检索N：N识别，人脸检索，N个1：N识别人脸识别：人脸识别就是识别人脸，就是要识别图像或者视频中出现的人物身份，人脸识别要涉及人脸检测、

人脸识别服务需要包括以下几个功能模块：1、人脸检测和人脸校正模块2、人脸特征提取模块3、人脸特征匹配模块4、人脸识别结果计算模块这篇文章简要介绍一下人脸特征提取部分。上一篇文章中简要介绍了一下人脸识别的过程，这篇文章较少一下人脸特征提取部分。人脸特征人脸特征提取：人脸特征提取的目的就是将人脸图像进行向量化表示，因为程序代码是没办法直接处理图像数据的，必须要将其数字化，提到向量就自然而然的会想到向量空间，以及向量的空间距离。这也是人脸特征提取锁关心的东西，人脸特征提取方法就是要

人脸识别服务需要包括以下几个功能模块：1、人脸检测和人脸校正模块2、人脸特征提取模块3、人脸特征匹配模块4、人脸识别结果计算模块这篇文章简要介绍一下人脸检测和人脸校正部分。人脸检测人脸检测：人脸检测顾名思义就是要准确检测出图像或者视频中的人脸区域位置。我个人常用的人脸检测方法包括MTCNN和RetinaFace，人脸检测的结果包括人脸区域在图像中的位置[x, y, w, h]，x和y 表示人脸区域左上角相对图像左上角的坐标位置，w和h表示人脸区域的宽度和高度。检测结果还包括人脸特