最强六大开源轻量级人脸检测项目分析

最新推荐文章于 2025-08-02 14:43:50 发布
转载 最新推荐文章于 2025-08-02 14:43:50 发布 · 532 阅读 · 2 ·
CC 4.0 BY-SA版权
原文链接：https://blog.youkuaiyun.com/fengdu78/article/details/105480210

本文汇总了多种轻量级且高效的人脸检测算法，包括libfacedetection、Ultra-Light-Fast-Generic-Face-Detector-1MB、A-Light-and-Fast-Face-Detector-for-Edge-Devices、CenterFace、DBFace、RetinaFaceMobileNet0.25等。这些算法在边缘设备上表现出色，适合资源受限的场景。

https://blog.youkuaiyun.com/fengdu78/article/details/105480210(原文链接)

  1. libfacedetection
    https://github.com/ShiqiYu/libfacedetection
  2. Ultra-Light-Fast-Generic-Face-Detector-1MB
    https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB
  3. A-Light-and-Fast-Face-Detector-for-Edge-Devices
    https://github.com/YonghaoHe/A-Light-and-Fast-Face-Detector-for-Edge-Devices
  4. CenterFace
    https://github.com/Star-Clouds/CenterFace
  5. DBFace
    https://github.com/dlunion/DBFace
  6. RetinaFace MobileNet0.25
    https://github.com/deepinsight/insightface/issues/669
深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
目标检测算法——YOLOv5/v7改进之结合最强视觉识别模块CotNet（Transformer）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
03-31 6873
CoTNet：新型主干网络&获得图像识别竞赛冠军的Contextual Transformer 来啦！！！ 论文题目：《Contextual Transformer Networks for Visual Recognition》 小伙伴们，CNN再次强势回归啦！京东AI开源最强ResNet变体CoTNet：一种即插即用的视觉识别模块。 近期工作太忙了！！！小海带抽空将YOLOv5算法与CotNet进行了创新性结合，发现效果还不错！并且涨点明显！！！ 该论文主要是设计了一种新颖的Tran
人脸光照质量评价系统（附PyTorch源码）-附件资源
03-02
人脸光照质量评价系统（附PyTorch源码）-附件资源
基于深度神经网络模型的人脸图片质量检测（附源码）
weixin_43063624的博客
03-02 942
JavaCV是基于OpenCV、FFmpeg等开源库的Java跨平台接口，提供高效的计算机视觉与多媒体处理能力。它封装了底层C/C++库的复杂操作，支持图像处理（如人脸识别、目标检测）、音视频编解码、流媒体传输等功能，适用于实时视频分析、AI模型集成及多媒体应用开发。通过简化JNI调用，JavaCV让开发者能直接在Java/Kotlin中调用高性能原生算法，广泛应用于安防监控、直播推流、医学影像分析等领域，是Java生态中处理音视频与计算机视觉任务的核心工具之一。
人脸识别_准确率最高的开源人脸识别、匹配引擎
12-13
SEETA_FACE， 准确率最高的开源人脸识别引擎，代码中打包了人脸识别、人脸对齐、人脸匹配三个模块
模型仅有7M：轻量级高精度人脸识别方法DBFace
Mint_vip的博客
04-11 5189
这个仅 7M 大小的人脸识别模型几乎识别出了世界最大自拍照中的所有人像！ 项目简介 之前机器之心报道过一个跨平台人脸识别项目，在 CPU 上就能轻松跑出 1000FPS。这次介绍的项目也是一个轻量级人脸识别项目。不同的是，该项目在保持较小参数量的前提下，识别精度要高很多，并且只需要 OpenCV 和 PyTorch 就能运行。 DBFace 是一个轻量级的实时人脸识...
人脸识别技术与开源项目全面指南
最新发布
Mamba的博客
08-02 1421
人脸识别技术已经发展到一个相当成熟的阶段，ArcFace、FaceNet、InsightFace等模型在各种基准测试中都已达到接近人类水平的准确度。开源社区也提供了从研究到商用的完整解决方案，如InsightFace、face_recognition、CompreFace等。对于大多数应用场景，建议优先考虑现成的开源项目或云服务，而不是从零开始训练模型。具体选择应基于精度需求、硬件条件、开发资源和合规要求等多方面因素综合考虑。
MQTT协议深度剖析：ESP32对接EMQX_Broker实现毫秒级响应的6大通信技巧
MQTT（Message Queuing Telemetry Transport）是一种轻量级的发布/订阅式消息传输协议，专为低带宽、高延迟或不稳定的网络环境设计，特别适用于物联网设备间的高效通信。ESP32作为主流的Wi-Fi/蓝牙双模微控制器，...
CVPR‘24开源！最强医学异常检测模型重磅来袭！
3D视觉工坊
04-14 222
本文介绍了一种将自然领域中预训练的视觉-语言模型应用于医学异常检测的方法。通过跨领域泛化，该方法适用于不同的医学图像模态和解剖区域。具体而言，本文提出了一种多级特征适应方法，通过视觉-语言对齐指导每个适应过程，实现从高级语义到像素级分割的转变。此外，结合基于比较的异常检测策略，该方法能够灵活适应具有实质性模态和分布差异的数据集。实验结果表明，该方法在零/少样本AC和AS任务上表现优异，展示了未来研究的潜在价值。本文仅做学术分享，如有侵权，请联系删文。
FaceImageQuality:SER-FIQ用于面部图像质量评估的代码和信息
03-20
人脸图像质量评估 2020年5月15日添加了SER-FIQ（CVPR2020）。 2020年5月18日在偏置FIQ（IJCB2020）溶液。 SER-FIQ：基于随机嵌入鲁棒性的人脸图像质量无监督估计 IEEE / CVF 2020年计算机视觉和模式识别会议（CVPR） 目录 抽象的 人脸图像质量是启用高性能人脸识别系统的重要因素。人脸质量评估旨在评估人脸图像是否适合识别。先前的工作提出了需要人工或人工标记质量值的监督解决方案。但是，这两种标记机制都容易出错，因为它们不依赖于清晰的质量定义，并且可能不知道所用面部识别系统的最佳特征。为避免使用不正确的质量标签，我们提出了一种基于任意人脸识别模型的新概念来测量人脸质量。通过确定从面部模型的随机子网络生成的嵌入变化，可以估算样本表示的鲁棒性，从而可以估计其质量。实验是在三个公共数据库的跨数据库评估环境中进行的。我们将我们提出的解决方案在两个
人头检测数据集（多个场景）
11-25
人头检测数据集.该数据集分为二个部分,JPEGImages和Annotations.JPEGImages文件夹中有4500+张各种场景的人头图像,共12w+个人头标注框. 并对每张图片使用labelimg做了人工标注,标注对应的xml文件放在了Annotations文件夹中. 本数据集图片清晰,场景广泛,精心挑选,人工标注.适用于任意场景,可作为人头检测的模板数据集. 应用特定场景时,只需加入部分特定场景数据,即可满足对特定场景人员聚集检测和计数. 免去了收集,挑选,标注人头图片的时间,可直接进行工程化应用.
SCUT HEAD人头检测数据集，A和B二部分，可以在各路AI训练算法训练，已经分好测试集，训练集，验证集
06-12
SCUT HEAD人头检测数据集包含4405张标记了111251个人头的图像。数据集分两部分，第一部分2000张图像源自大学教室的监控视频，第二部分2405张图像爬取自网络，数据集图像中的人头均有边界框和注释。 数据标注经用xmin、ymin、xmax和ymax坐标标记了每个可视头部，并确保注释覆盖整个头部，包括部分，但没有额外的背景。A部分和B部分分为培训和测试部分。数据集遵循Pascal VOC标准
人头检测数据集包含来自20个不同电视节目的380 RGB视频剪辑,分辨率为320*480
07-12
数据集包含来自20个不同电视节目的380 RGB视频剪辑,分辨率为320*480
YOLO人头目标检测数据集(含2000张图片)+对应数量yolo、voc和coco三种格式标签+划分脚本+教程文档.rar
04-16
1、YOLO人头目标检测数据集(含2000张图片)，使用lableimg软件标注，类别说明：人头（1个类别），资源内含yolo格式标签（txt文件）、voc格式标签（xml文件）和coco格式标签（json文件）三种格式标签，多少张图片就对应多少个标签，分别存放在不同文件夹下，可以直接用于YOLO系列的目标检测。 2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本，可以根据自己需求自行按比例划分训练集、验证集、测试集。 3、数据集详情展示和更多数据集下载：https://blog.youkuaiyun.com/m0_64879847/article/details/132301975 4、如需 其他种类数据集 或 更多数量 请私信博主~ 5、免责声明：本数据集不一定满足所有人的需求，数据集只提供合理标注，不对训练的模型或者权重文件精度作任何保证（如果对精度要求较高可以自行使用lableimg软件微调标框），介意误购，如不存在资源缺失问题概不负责。
轻量级人脸检测算法实现，快到没朋友的都在这里了
爱CV
06-12 976
人脸检测是计算机视觉中的老话题，应用广泛，研究者众多，业界不仅在向着更准的检测算法前进，轻量级检测人脸算法也成为应用中的宠儿。 本文总结了近年轻量级人脸检测算法的开源实现，其中不少已经成为开源社区的明星项目。 01 Ultra-Light-Fast-Generic-Face-Detector-1MB Github star：4.8k 参量数：1.04~1.1MB，int8 量化后约300KB Github：https://github.com/Linzaer/Ultra-Light-Fast-Ge
【人脸质量评估】RankIQA Learning from Rankings for No-reference Image Quality Assessment
晓峰博客笔记
11-23 3278
训练过程： 1、数据增强 2、使用第一步的数据在孪生网络上训练（两个分支共享权重） 3、使用质量评估数据集在网络的一个分支上进行微调 贡献： 1、提出通过对两张图片对比容易分出质量好坏的想法； 2、进行数据增强：对同一张图片，由它产生出来的一系列失真图片的rank是已知的； 3、先对rankings进行学习，利用孪生网络（即两个相同的网络（网络可以是CNN、lstm等），共享权重...
人头检测训练数据集（带标签）
12-18
这是一个人头检测器训练数据集、带xml标注信息，可用于yolo、TensorFlow等深度学习模型的训练数据集。仅供学习使用。如有侵权联系删除。谢谢
使用YOLOv8进行训练——密集人群人头检测数据集 处理数据和训练模型 1000张对应的图片，xml和txt标签，yolo训练
2401_88441190的博客
11-24 461
使用YOLOv8进行训练——密集人群人头检测数据集 处理数据和训练模型 1000张对应的图片，xml和txt标签，yolo训练
轻量级平均人脸模型及其使用文档发布
资源摘要信息:"该压缩包文件集提供了一个轻量级的平均人脸制作模型，旨在快速执行人脸检测任务。模型经过了自测试以确保其有效性和效率。除模型文件外，还附带了一个使用文档（readme.md），该文档详细介绍了如何...
评论
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