libfacedetection是基於SSD進行魔改，而DBFace是基於MobileNetV3進行改進。
- 一、libfacedetection
- 二、DBFace
- 三、libfacedetection網絡結構圖
一、libfacedetection
鏈接：https://github.com/ShiqiYu/libfacedetection
訓練代碼：https://github.com/ShiqiYu/libfacedetection.train （用到nvidia-dali，不能在win下使用）
於老師這個項目，牛就牛在，他可以轉為純C++代碼，不依賴任何第三方庫，檢測速度在128x96的輸入上，在i7的CPU上可以達到1929幀/秒，在樹莓派這種嵌入式設備上，也可以達到116幀/秒；而在常規的VGA分辨率（640x480）輸入下，在CPU上也可以達到72幀/秒，可以說是非常優秀了。下表是該項目的評測指標，分別有單線程和多線程的耗時和速度。
模型結構也比較簡單，就是一個輕量級的 SSD 架構，共四個定位層，而且借鑒了RetinFace的關鍵點方法，可以同時回歸5個關鍵點。模型體積只有232萬，體積僅有3.34M
面是於老師的文章中敘述的libfacedetection的特點：
-
卷積操作無浮點計算，算法基本全是8位整數操作。
-
采用AVX512/AVX2/NEON指令提速。
-
代碼更加簡短和簡潔，只有一千多行代碼。
-
代碼不依賴任何其他第三方庫，只要平台能編譯C++則可使用。
-
項目License采用3-Clause BSD License，可以商業應用！
今晚，於老師開源的是該模型的訓練代碼，下面我們一起分析一下該訓練框架。這個人臉檢測模型，於老師一共更新了三版，再加上今天開源的訓練代碼，一共四篇文章，我們先把這四篇官方微信文章列一下：
通過查看於老師開源的訓練代碼，我們可以看到該模型是一個SSD類型的目標檢測模型，一共有四個檢測分之，Backbone網絡共16層，模型非常輕量級，
不過該模型使用一個PriorBox層生成anchor，可以做到任意大小的輸入。這點我們在后面也會借鑒過去。
網絡結構如下圖所示，該模型是在下降8、16、32、64倍后的四個尺度的特征圖上接入分類定位層，四個層每個點的anchor數目分別為3、2、2、3，所有anchor的長寬比分別為1:1。
| 定位層 | 下降倍數 | anchor大小 |
| 一 | 8 | 10, 16, 24 |
| 二 | 16 | 32, 48 |
| 三 | 32 | 64, 96 |
| 四 | 64 | 128, 192, 256 |
該網絡共有參數232萬，可以說比較輕量級了。在RetinaFace中，作者也同樣對每個人臉同時回歸了五個關鍵點。於老師這里的做法與RetinaNet一樣，也是對每個anchor在回歸cx、cy、dw、dh四個bounding box偏移量時，額外再增加10個節點的輸出，分別對應五個關鍵點的cx、cy偏移量。
另外，模型在推理的時候，也將Batch Norm層的參數融合進了卷積層，從而實現一定量的網絡加速。關於BN層融合，筆者后面會寫一篇文章簡單介紹一下。
二、DBFace
1.3M 的輕量級高精度的關鍵點人臉檢測模型 DBFace，並手把手教你如何在自己的電腦端進行部署和測試運行，運行時bug解決。前段時間DBFace人臉檢測庫橫空出世，但是當時這個人臉識別模型是7M大小，幾乎可以識別出世界最大自拍中的所有人像。DBFace出自國內人工智能公司深蘭科技（DeepBlue），這個模型的創建者正是這個公司的兩位“高手”-Libia和Wish，而最近，高手就是高手，兩位大佬對模型進行了再升級，現在這個模型的大小僅僅只有1.3M。
DBFace的網絡結構
DBFace的初衷設計就是為了設計成一款輕量級的人臉檢測器，能夠在邊緣計算上有效的使用，為了讓處理更加簡潔、高效、對小目標的檢測效果也好，選擇 CenterNet（基於中心點的方法預測目標，稱為：CenterNet，）結構做檢測任務，采用MoblienetV3做Backbone。我相信大家在這里已經暈了吧，不知道什么是CenterNet和MoblienetV3，因為這不是幾句話能說清楚的，需要大家明白卷積的知識，在知道這之后，還需要去讀這個論文，啃代碼，可能才能理解個七八分吧。
相對於MoblienetV2，MoblienetV3在其基礎上新增了SE、Hard-Swish Activation等模塊，在兼顧infence速度的同事提升網絡性能。
對於任務頭的設計，大佬引入了SSH的DetectModule和ContextMoudle，經試驗驗證該模塊能有效的提升DBFace算法的檢出性能，這里涉及到卷積、池化中的最大值池，對模型進行的整合。
對於上采樣設計，作者采用Upsample + Conv + Act的方式，即上采樣 + 卷積 + 激活函數Activation,從圖中可以看到有激活函數Relu。
損失函數Loss的定義
整個網絡由三個部分的Loss組成：
- 熱力圖HeatMap損失 - (CenterNet網絡中熱力圖誤差損失)
- 位置坐標偏移量（Bounding Box）損失 - (檢測邊界框誤差損失)
- 關鍵點（Landmark）損失 - （人臉關鍵點誤差損失）
對於一個模型來說，網絡結構和損失函數、以及數據集是最重要的，這里作者並沒有開源自己的數據集，我們可以利用工具來標記屬於自己的數據集，這里給大家介紹一個關鍵點標記的軟件CasiaLabeler
三、libfacedetection網絡結構圖
參考：https://mp.weixin.qq.com/s?__biz=MzIyMDY2MTUyNg==&mid=2247483818&idx=1&sn=12e14dfd5154b35f14575d876785da76&chksm=97c9d3d3a0be5ac5a4e5cb05b23dd90bb73d57c2b3be6a70a139d8c28391a6185ec6297b6da0&scene=21#wechat_redirect
https://zhuanlan.zhihu.com/p/183203043
https://blog.csdn.net/weixin_45192980/article/details/106485602