10种轻量级人脸检测算法的比拼

最近在微信公众号里看到轻量级人脸检测算法大盘点的文章，里面还提供了github源码地址，我就把它们逐个下载到本地win10-cpu机器上，调试通过运行。去年在github下载过一个包含6种人脸检测的程序，分别是pyramidbox，dsfd，s3fd，tinyface，facebox，mtcnn，但是这些算法大多是重量级的网络模型，它在一幅图片上的人脸检测结果和运行耗时统计直方图如下

可以看到pyramidbox，dsfd，s3fd，tinyface这4个模型是非常耗时的，对于比赛刷榜，我们可以用这种很大的模型，但是在工业界非常不实用，假如要部署到 ARM 的嵌入式设备上，大概率直接卡死。

因此我就整理了最近一年之内的轻量级人脸检测算法的程序，独立编写一个包含多种轻量级人脸检测算法集合的程序。pytorch是我最喜欢的深度学习框架，在部署模型的前向推理时，我更喜欢用opencv的dnn模块。因而，我收集到的轻量级人脸检测算法的程序如果是基于pytorch框架的，我就不会对代码做较大的改动，如果程序是基于caffe,tensorflow或者darknet的，我会把程序改写成用opencv的dnn模块做人脸检测。最后我整理了10种人脸检测算法，它们分别是：

(1) Ultra-Light-Fast-Generic-Face-Detector，程序里简写为ultraface

(2) LFFD：A Light and Fast Face Detector for Edge Devices，程序里简写为lffdface

(3) CenterFace， 程序里简写为centerface<