我向來關注輕量級模型，畢竟依托少，可以窮玩。
打算寫個win Demo，簡便的直接感受下各種模型的效果。
【人臉檢測】
早期關注過的 cascade框架有：
- opencv-haar/lbp
- npd https://github.com/wincle/NPD
- pico https://github.com/nenadmarkus/pico
- acf https://github.com/pdollar/toolbox
這里就只考慮輕量級深度模型，確實，至少目前，性能遠好於cascade框架；
有段時間我很喜歡mtcnn框架，從進化的角度看，算是cascade與end2end的一個過渡物種，顯式的多尺度與coarse-to-fine設計，很直觀。不過從現在回望，速度與性能都被超越了，是老框架的落寞，也有技術進化的欣喜。
這里記錄我看到過且在ncnn測試過的，主要關注end2end， 如果路過的你知道其他好的輕量級模型，望您不吝留言告知。
[20200416]
- CenterFace： https://github.com/Star-Clouds/CenterFace ，可惜small模型不公開
- LFFD： https://github.com/YonghaoHe/A-Light-and-Fast-Face-Detector-for-Edge-Devices
- UltraFace： https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB ，速度真的快，我就用（320x240-RBF模型）
[20200418]
- UltraFace :https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB （640 x 480-RBF模型 ）
【人臉特征點標定】
幾年的時間，這個技術算是被做爛了，雖然目前外部公開的模型感覺都不是很精確，應該是私藏了。
趨勢：保證精度，控制模型大小，往稠密化發展。
[20200416]
- modify shufflenet：沒開源
- PFLD-lite ：https://github.com/xindongzhang/MNN-APPLICATIONS/tree/master/applications
[20200418]
- lnet112：https://github.com/tenx6/ncnn_106landmarks/tree/master/models
【測試Demo】
界面：可以打開圖像、視頻、攝像頭等數據來源，切換查看功能效果
里面包含CPU與GPU
要使用GPU，請確保安裝成功：vulkan SDK https://www.lunarg.com/vulkan-sdk/