從人臉檢測到語義分割，OpenCV預訓練模型庫
目地址：https://github.com/opencv/open_model_zoo
open_model_zoo 預訓練模型概覽：
目標檢測模型
有幾種檢測模型可以用於檢測一系列最常見的目標。大多數網路都是基於 SSD 並提供了合理的準確率/速度權衡。這個列表有人臉、人物、汽車、自行車等目標的檢測模型，其中包含一些檢測相同型別的目標的網路（例如 face-detection-adas-0001 和 face-detection-retail-0004），因而你可以選擇更高準確率/更廣泛應用的網路，但同時存在更慢推理速度的代價。
示例模型：face-detection-adas-0001
這個人臉檢測器用於駕駛員狀態檢測和類似場景。該網路以 MobileNet 作為骨幹，包含深度可分卷積來減少 3x3 卷積的計算量。
face-detection-adas-0001 人臉檢測應用示例
face-detection-adas-0001 效能指標和規格
示例模型：person-detection-retail-0001
這個網路用於零售場景的行人檢測，基於 hyper-feature+R-FCN 的骨幹。
person-detection-retail-0001 人物檢測應用示例
目標識別模型
目標識別模型被用於分類、迴歸和特徵識別。可以在使用檢測模型之後使用這些網路（例如，在人臉檢測之後使用年齡/性別識別）。這個列表包含了年齡/性別、頭部姿態、車牌號碼、汽車屬性、情緒、人臉關鍵點和人物屬性等目標的識別模型。
示例模型：vehicle-attributes-recognition-barrier-0039
vehicle-attributes-recognition-barrier-0039 汽車屬性識別應用示例
示例模型：person-attributes-recognition-crossroad-0031
person-attributes-recognition-crossroad-0031 人物屬性識別應用示例
再識別模型
視訊中進行目標的精確追蹤是計算機視覺的常見應用（例如，人群計數）。以下網路可以用於這樣的場景。輸入一個人的影象並估計一個表徵該人物外觀的高維向量。這個向量可以用於進一步評估：對應同一個人的影象會有很接近的向量（基於 L2 距離指標）。以下列表提供了不同準確率/速度權衡的模型選擇。列表中包含了人物和人臉再識別任務的模型。
示例模型：person-reidentification-retail-0031
person-reidentification-retail-0031ren'w 人物再識別應用示例
示例模型 face-reidentification-retail-0001
face-reidentification-retail-0001 人臉再識別應用示例
語義分割模型
語義分割是目標檢測的擴充套件，其輸出是目標的按類別區分的彩色掩碼，而不是邊框。這些網路比對應的檢測模型要大得多，但可以對目標實現更精準的定位，並且不受目標的複雜形狀所影響。列表中包含了街景和路面影象的語義分割模型。
示例模型：semantic-segmentation-adas-0001
semantic-segmentation-adas-0001 街景影象語義分割應用示例
模型下載：https://github.com/opencv/open_model_zoo/blob/2018/model_downloader/README.md