LFFD：轻量级人脸检测器，不止是快

上面的gif图展示的是LFFD人脸检测算法，在Nvidia GPU上对1080P的图像可以跑到16ms左右。

该算法出自论文：

LFFD: A Light and Fast Face Detector for Edge Devices

https://arxiv.org/abs/1904.10633

代码开源地址：

https://github.com/YonghaoHe/A-Light-and-Fast-Face-Detector-for-Edge-Devices

LFFD在人脸检测领域并不是精度最高的，但作为近来轻量级人脸检测模型的代表，却是极具实用价值的。

请看LFFD与其他state-of-the-art算法的精度比较。

在WIDER FACE 验证集上的精度比较：

在WIDER FACE 测试集上的精度比较：

在FDDB 数据集上的精度比较：

虽然精度并不是最高水平的，但其模型大小仅9M，推断速度更是其亮点。

在NVIDIA GTX TITAN Xp (MXNet CUDA 9.0 CUDNN7.1)配置下的推断速度：

在NVIDIA TX2 (MXNet CUDA 9.0 CUDNN7.1)配置下的推断速度：

在树莓派 3 Model B (ncnn) 配置下的推断速度：

正如其论文名所说面向边缘设备的轻量且快速的人脸检测器。值得一提的是，上述评测是在Python下做的，转成C 代码应该能获得更高的速度。

不止是快，作者指出，LFFD不仅仅适用于人脸检测，实则是通用的一类目标检测器，也同样可扩展到行人检测、人头检测、车辆检测等。

作者计划后期将上述任务的预训练模型开源。

另外，LFFD还有如下优势：

1. 通过添加更多CNN层，可以覆盖更大尺度的目标（比如典型的自拍场景人脸），而增加的延迟有限；
2. 检测小目标能力突出，在极高分辨率（比如8K或更大）画面，可以检测其间10个像素大小的目标；
3. 使用的网络操作是常见的，可以轻松部署到任何设备。

简单概括：通吃大小目标，支持各种设备^_^

感谢作者的开源～

https://github.com/YonghaoHe/A-Light-and-Fast-Face-Detector-for-Edge-Devices