这个仅 7M 巨细的人脸辨认模型简直辨认出了国际最大自拍照中的一切人像！

项目简介

之前机器之心报导过一个跨渠道人脸辨认项目，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辨认项目。不同的是，该项目在坚持较小参数量的前提下，辨认精度要高许多，而且只需要 OpenCV 和 PyTorch 就能运转。

DBFace 是一个轻量级的实时人脸辨认办法，其有着更快的辨认速度与更高的精度。下图展现了多种人脸检测办法在 WiderFace 数据集上的测验作用。能够看到不只 DBFace 模型的巨细最小，其在 Easy、medium、Hard 三个测验使命中均获得了最高的辨认精度。

项目地址：https://github.com/dlunion/DBFace

WiderFace 是一个关于人脸检测的基准跑分数据集，其间包括 32,203 张图片以及在各方面剧烈的 393,703 张人脸，数据集具有从简略到困难等不同难度的使命。下图是改数据会集一些样本的展现，能够看到，要想精确地辨认出图中一切人脸仍是很有应战的。DBFace 在该数据集的不同使命上别离获得 0.925、0.920、0.847 的精确率，实属不易。

有关 WiderFace 的具体介绍请读者移步其官网：

http://shuoyang1213.me/WIDERFACE/

作用展现

下图展现了不同人脸辨认办法在 WiderFace 数据集上的 P-R 曲线。P-R 曲线能够较直观地展现二分类器的 Precision 和 Recall。当需要对不同算法进行比较时，若某个二分类器的 P-R 曲线被另一个二分类器的 P-R 曲线彻底包住，即标明后者的功能优于前者。从图中能够看到，DBFace 围住的面积在三个使命中均相对较大。

当阈值设置为 0.2 时，DBFace 对这张国际最大的自拍照辨认作用如下图所示：

能够看到，DBFace 的辨认精确率十分高，图中许多人脸乃至扩大后单凭肉眼也很难分辩，DBFace 却依然能够辨认出来，而且模型巨细仅 7M，彻底能够在边际设备上实时运转。所以，机器之心也上手测验了一番。

项目实测

项目作者供给的代码示例中包括对静态图片的辨认，一起也有一个调用电脑摄像头的 GUI。值得注意的是，该项目并不需要太多依靠项，只需有 PyTorch、Numpy 和 OpenCV 即可运转。因为以上依靠环境都是十分常用的扩展库，网上有很多相应装置教程，这儿就略过其装置过程。

在 main.py 中，image_demo() 与 camera_demo() 别离对应静态图片辨认与调用摄像头进行辨认。静态图片辨认代码为：

defimage_demo():
dbface=DBFace()
dbface.eval()
ifHAS_CUDA:
dbface.cuda()
dbface.load("model/dbface.pth")
detect_image(dbface,"datas/selfie.jpg")

以上代码将会读取练习后的模型，对图片 datas/selfie.jpg 进行辨认，并将成果保存到 detect_result/selfie.draw.jpg。

让我们来看一下辨认作用：

从上图能够看到，即便在室内灯火色彩、明暗不同较大的环境下，DBFace 也辨认出了图中简直一切的人，乃至是中心那个一边画彩虹，一边指向闪烁灯球戴头盔的人也难逃其「魔掌」。当然，因为这儿设置的检测阈值较低，存在一些误分类的现象。图中一些人的手和右上角的灯球就被误辨认为了人脸。恰当调高阈值即可消除此现象。

调用电脑摄像头检测的代码为：

defcamera_demo():
dbface=DBFace()
dbface.eval()
ifHAS_CUDA:
dbface.cuda()
dbface.load("model/dbface.pth")
cap=cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH,640)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT,480)
ok,frame=cap.read()
whileok:
objs=detect(dbface,frame)
forobjinobjs:
common.drawbbox(frame,obj)
cv2.imshow("demoDBFace",frame)
key=cv2.waitKey(1)&0xFF
ifkey==ord('q'):
break
ok,frame=cap.read()

运转以上代码将会生成一个 640x480 的 GUI 界面，调用摄像头实时进行人脸检测。

感兴趣的小伙伴赶快将本项目 git clone 到本地测验一下吧！