现在看张实时动态人脸检测图，这张gif动态图显示了LFFD人脸检测算法，它可以在Nvidia GPU上的1080p图像上运行16ms。
作者简介:
今天推荐一种新的单类目标检测纸LFFD：用于边缘设备的轻型和快速面部检测器。本文是北京工业大学与中国科学院自动化研究所的联合工作。它提出了一种实用的通用人脸检测器LFFD，它可以实现2K甚至4K图像的实时检测。
论文摘要
1，是一项创新，突破，实用的目标检测工作，实现了单类目标检测的最终目标，可以达到最终的平衡精度和速度。
2.基于无锚的想法，提出了感受野是自然锚。
3.无需任何优化即可实现“2K图像输入的实时检测”。
4.网络非常简单，可以在任何平台上快速部署，完成面部检测，并扩展到其他类别，如头，行人，车辆等。
LFFD在人脸检测领域并不是最准确的，但作为最近的轻量级人脸检测模型的代表，它是非常实用的。
查看LFFD与其他最先进算法之间的准确性比较。
WIDER FACE验证集的准确性比较：
WIDER FACE测试集的准确度比较：
FDDB数据集的准确性比较：
虽然精确度不是最高水平，但其模型尺寸仅为9M，速度被推断为其亮点。
NVIDIA GTX TITAN Xp（MXNet + CUDA 9.0 + CUDNN7.1）配置的推断速度：
推荐的NVIDIA TX2速度（MXNet + CUDA 9.0 + CUDNN7.1）配置：
Raspberry Pi 3 Model B +（ncnn）配置中的推断速度：
正如该报的标题所说，它是一款轻便快速的边缘设备面部探测器。值得一提的是，上述评估是在Python中完成的，转换为C ++代码应该能够实现更高的速度。
不仅速度快，作者指出LFFD不仅适用于人脸检测，而且还是一种通用的目标探测器，也可以扩展到行人探测，头部探测，车辆探测等。
作者计划稍后为上述任务开源预训练模型。
此外，LFFD还具有以下优点：
通过添加更多CNN图层，您可以覆盖延迟有限的较大比例目标（例如典型的自拍场景人脸）;
检测小目标的能力非常出色，并且在非常高的分辨率（例如8K或更大）下，可以检测其间10个像素的目标;
使用的网络操作很常见，可以轻松部署到任何设备。
总结一下
LFFD效果在速度和准确性的平衡方面确实很好。代码是开源的，您可以尝试运行该效果。
LFFD: A Light and Fast Face Detector for Edge Devices
论文地址：https://arxiv.org/abs/1904.10633
开源地址：
https://github.com/YonghaoHe/A-Light-and-Fast-Face-Detector-for-Edge-Devices
