サイズはたったの1MB！超軽量顔認識モデルがGithubで人気

最近、ユーザー Linzaer が、エッジ コンピューティング デバイス、モバイル デバイス、PC に適した超軽量のユニバーサル顔検出モデルを Github でオープンソース化しました。このモデル ファイルのサイズはわずか 1 MB で、オープンソース化されるとすぐに Github のトレンド リストのトップに躍り出ました。

わずか数日で、Github で 2.1K のスターと 398 のフォークを獲得しました (Github アドレス: https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB)

Linzaer氏によると、このモデルはエッジコンピューティングデバイスや低コンピューティングデバイス（ARM推論を使用するなど）向けに設計されており、ARMなどの低コンピューティングデバイスでの一般的なシナリオでリアルタイムの顔検出推論を実行できるほか、モバイル端末やPCにも適用できるという。

主な機能は次のとおりです。

• モデルサイズに関しては、デフォルトの FP32 精度 (.pth) ファイルサイズは 1.04 ～ 1.1 MB で、int8 量子化後の推論フレームワークのサイズは約 300 KB です。
• モデル計算に関しては、入力解像度は 320x240、スループットは約 90～109 MFlops です。
• このモデルには、バージョン スリム (合理化されたバックボーンによりわずかに高速化) とバージョン RFB (より高い精度のために修正された RFB モジュールが追加された) の 2 つのバージョンがあります。
• さまざまなアプリケーション シナリオでより適切に動作するように、320 x 240 と 640 x 480 の異なる入力解像度でワイドフェイスを使用してトレーニングされた事前トレーニング済みモデルが提供されます。
• 移植と推論を容易にするために onnx エクスポートをサポートします。

これまでテストされた通常の動作環境は次のとおりです。

• Ubuntu 16.04、Ubuntu 18.04、Windows 10 (推論)
• Python 3.6
• パイトーチ 1.2
• CUDA10.0 + CUDNN7.6

精度、速度、モデルサイズの比較

トレーニング セットは、Retinaface によって提供されるクリーンな wideface ラベルと wideface データセットを使用して生成され、VOC トレーニング セットが生成されます。

ワイドフェイステスト

WIDER FACE テスト セットでのテスト精度 (単一スケールの入力解像度: 320*240 または最大辺長 320 に比例してスケーリング)

WIDER FACE テスト セットでのテスト精度 (単一スケールの入力解像度: VGA 640*480 または最大辺長 640 に比例してスケーリング)

端末機器推論速度

Raspberry Pi 4B MNN推論テスト時間（単位：ms）（ARM/A72x4/1.5GHz/入力解像度：320x240/int8量子化）

モデルサイズの比較

画像効果は以下のとおりです。