ULFD 模型介绍

稳定调用及效果更好的API，详见视觉开放智能平台：人脸检测与五官定位。

超快人脸检测模型ULFD, github上高star repo。

模型描述

ULFD(代码地址)为轻量级人脸检测算法, 基于SSD框架手工设计了backbone结构，是业界开源的第一个1M人脸检测模型。当输入320x240分辨率的图片且未使用onnxruntime加速时，在CPU上跑需要50-60ms，当使用onnxruntime加速后，在CPU上仅需要8-11ms, 优点如下:

• 在模型大小方面，默认 FP32 精度下（.pth）文件大小为 1.1MB，推理框架 int8 量化后大小为 300KB 左右。
• 在模型计算量方面，320x240 的输入分辨率下仅 90~109 MFlops 左右，足够轻量。
• 无特殊算子，支持 onnx 导出，便于移植推理

模型结构与SSD一致，backbone为作者自己设计的结构，包含13个模块，主要由depth-wise卷积组成，分类回归的计算共有4个分支，前3个分支分别以backbone的第8，11，13个模块的输出作为输入；在backbone之后跟一个附加模块，其输出接入第4个分支。

模型使用方式和使用范围

本模型可以检测输入图片中人脸的位置。

使用方式

• 推理：输入图片，如存在人脸则返回人脸位置，可检测多张人脸

目标场景

• 人脸相关的基础能力，可应用于人像美颜/互动娱乐/人脸比对等场景

模型局限性及可能偏差

• 部分遮挡的人脸检测效果可能一般
• 由于模型较小，多人脸场景下可能出现漏检的情况
• 当前版本在python 3.7环境测试通过，其他环境下可用性待测试

预处理

测试时主要的预处理如下：

• Normalize：图像归一化，减均值除以标准差
• Pad：图像高宽补零至32的倍数

代码范例

from modelscope.pipelines import pipeline
from modelscope.utils.constant import  Tasks

ulfd_face_detection = pipeline(Tasks.face_detection, 'damo/cv_manual_face-detection_ulfd')
img_path = 'https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/ulfd_face_detection.jpg'
result = ulfd_face_detection(img_path)
print(f'face detection output: {result}.')

模型训练流程

• 在Wider Face数据集上使用SGD优化器，初始学习率为1e-2，batch size 为24，训练了200个 epoch。

数据评估及结果

模型在WiderFace的验证集上客观指标如下：

测试集

• WIDERFACE: 测试集已上传至ModelScope的DatasetHub, 详情请见WIDER_FACE。

人脸相关模型

以下是ModelScope上人脸相关模型:

• 人脸检测

• 人脸识别

• 人脸活体识别

• 人脸关键点

• 人脸属性 & 表情

来源说明

本模型及代码来自开源社区(地址)，请遵守相关许可。