MTCNN演算法提速應用（ARM測試結果評估）

													<span class="tags-box artic-tag-box">
							<span class="label">標籤：</span>
															<a data-track-click="{&quot;mod&quot;:&quot;popu_626&quot;,&quot;con&quot;:&quot;mtcnn人臉檢測&quot;}" class="tag-link" href="http://so.csdn.net/so/search/s.do?q=mtcnn人臉檢測&amp;t=blog" target="_blank">mtcnn人臉檢測																</a>
						<span class="article_info_click">更多</span></span>
																				<div class="tags-box space">
							<span class="label">個人分類：</span>
															<a class="tag-link" href="https://blog.csdn.net/samylee/article/category/6921813" target="_blank">人臉檢測																</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">
				版權宣告：本文為博主原創文章，歡迎轉載。					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>經博主測試，mtcnn原三層網路如果用於工程測試，<span style="color:#ff0000;">誤檢情況嚴重</span>，在fddb上測試結果也是，經常將<span style="color:#ff0000;">手或者耳朵</span>檢測為人臉，這個很頭疼（<span style="color:#ff0000;">因為標註資料！</span>），所以重新訓練顯得尤為重要！</p>
 

博主的改進方法及如何重新訓練的就不具體介紹了，主要思想就是用卷積取代池化，fddb測試離散ROC88!

注意：某些公開的非官方mtcnn訓練方法有誤！只可參考，不可深入！

PC端測試：（測試軟體：vs2015，測試硬體：i7-4790-4core）

1920x1080視訊，最小檢測人臉為60，速度為22ms！

640x480視訊，最小人臉為25，速度為17ms！

arm端測試：（硬體：香橙派，全志A64晶片，4核64位Cortex-A53，市場價格240元！）

測試：640x480視訊，最小檢測人臉80

測試效果如下（這裡對比了Shiqi YU的人臉檢測）：

ShiqiYU-facedetect_fronta

ShiqiYU-facedetect_frontal_surveillancel

ShiqiYU-facedetect_multiview

ShiqiYU-facedetect_multiview_reinforce

ours

任何問題請加唯一QQ2258205918（名稱samylee）！