libfacedetection是基于SSD进行魔改，而DBFace是基于MobileNetV3进行改进。
- 一、libfacedetection
- 二、DBFace
- 三、libfacedetection网络结构图
一、libfacedetection
链接：https://github.com/ShiqiYu/libfacedetection
训练代码：https://github.com/ShiqiYu/libfacedetection.train （用到nvidia-dali，不能在win下使用）
于老师这个项目，牛就牛在，他可以转为纯C++代码，不依赖任何第三方库，检测速度在128x96的输入上，在i7的CPU上可以达到1929帧/秒，在树莓派这种嵌入式设备上，也可以达到116帧/秒；而在常规的VGA分辨率（640x480）输入下，在CPU上也可以达到72帧/秒，可以说是非常优秀了。下表是该项目的评测指标，分别有单线程和多线程的耗时和速度。
模型结构也比较简单，就是一个轻量级的 SSD 架构，共四个定位层，而且借鉴了RetinFace的关键点方法，可以同时回归5个关键点。模型体积只有232万，体积仅有3.34M
面是于老师的文章中叙述的libfacedetection的特点：
-
卷积操作无浮点计算，算法基本全是8位整数操作。
-
采用AVX512/AVX2/NEON指令提速。
-
代码更加简短和简洁，只有一千多行代码。
-
代码不依赖任何其他第三方库，只要平台能编译C++则可使用。
-
项目License采用3-Clause BSD License，可以商业应用！
今晚，于老师开源的是该模型的训练代码，下面我们一起分析一下该训练框架。这个人脸检测模型，于老师一共更新了三版，再加上今天开源的训练代码，一共四篇文章，我们先把这四篇官方微信文章列一下：
通过查看于老师开源的训练代码，我们可以看到该模型是一个SSD类型的目标检测模型，一共有四个检测分之，Backbone网络共16层，模型非常轻量级，
不过该模型使用一个PriorBox层生成anchor，可以做到任意大小的输入。这点我们在后面也会借鉴过去。
网络结构如下图所示，该模型是在下降8、16、32、64倍后的四个尺度的特征图上接入分类定位层，四个层每个点的anchor数目分别为3、2、2、3，所有anchor的长宽比分别为1:1。
| 定位层 | 下降倍数 | anchor大小 |
| 一 | 8 | 10, 16, 24 |
| 二 | 16 | 32, 48 |
| 三 | 32 | 64, 96 |
| 四 | 64 | 128, 192, 256 |
该网络共有参数232万，可以说比较轻量级了。在RetinaFace中，作者也同样对每个人脸同时回归了五个关键点。于老师这里的做法与RetinaNet一样，也是对每个anchor在回归cx、cy、dw、dh四个bounding box偏移量时，额外再增加10个节点的输出，分别对应五个关键点的cx、cy偏移量。
另外，模型在推理的时候，也将Batch Norm层的参数融合进了卷积层，从而实现一定量的网络加速。关于BN层融合，笔者后面会写一篇文章简单介绍一下。
二、DBFace
1.3M 的轻量级高精度的关键点人脸检测模型 DBFace，并手把手教你如何在自己的电脑端进行部署和测试运行，运行时bug解决。前段时间DBFace人脸检测库横空出世，但是当时这个人脸识别模型是7M大小，几乎可以识别出世界最大自拍中的所有人像。DBFace出自国内人工智能公司深兰科技（DeepBlue），这个模型的创建者正是这个公司的两位“高手”-Libia和Wish，而最近，高手就是高手，两位大佬对模型进行了再升级，现在这个模型的大小仅仅只有1.3M。
DBFace的网络结构
DBFace的初衷设计就是为了设计成一款轻量级的人脸检测器，能够在边缘计算上有效的使用，为了让处理更加简洁、高效、对小目标的检测效果也好，选择 CenterNet（基于中心点的方法预测目标，称为：CenterNet，）结构做检测任务，采用MoblienetV3做Backbone。我相信大家在这里已经晕了吧，不知道什么是CenterNet和MoblienetV3，因为这不是几句话能说清楚的，需要大家明白卷积的知识，在知道这之后，还需要去读这个论文，啃代码，可能才能理解个七八分吧。
相对于MoblienetV2，MoblienetV3在其基础上新增了SE、Hard-Swish Activation等模块，在兼顾infence速度的同事提升网络性能。
对于任务头的设计，大佬引入了SSH的DetectModule和ContextMoudle，经试验验证该模块能有效的提升DBFace算法的检出性能，这里涉及到卷积、池化中的最大值池，对模型进行的整合。
对于上采样设计，作者采用Upsample + Conv + Act的方式，即上采样 + 卷积 + 激活函数Activation,从图中可以看到有激活函数Relu。
损失函数Loss的定义
整个网络由三个部分的Loss组成：
- 热力图HeatMap损失 - (CenterNet网络中热力图误差损失)
- 位置坐标偏移量（Bounding Box）损失 - (检测边界框误差损失)
- 关键点（Landmark）损失 - （人脸关键点误差损失）
对于一个模型来说，网络结构和损失函数、以及数据集是最重要的，这里作者并没有开源自己的数据集，我们可以利用工具来标记属于自己的数据集，这里给大家介绍一个关键点标记的软件CasiaLabeler
三、libfacedetection网络结构图
参考：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