百度AI攻略：Paddlehub人脸检测

PaddleHub可以便捷地获取PaddlePaddle生态下的预训练模型，完成模型的管理和一键预测。配合使用Fine-tune API，可以基于大规模预训练模型快速完成迁移学习，让预训练模型能更好地服务于用户特定场景的应用。

本次介绍如何使用paddlehub实现人脸检测。

模型概述

Ultra-Light-Fast-Generic-Face-Detector-1MB是针对边缘计算设备或低算力设备(如用ARM推理)设计的实时超轻量级通用人脸检测模型，可以在低算力设备中如用ARM进行实时的通用场景的人脸检测推理。该PaddleHub Module的预训练数据集为WIDER FACE数据集，可支持预测，在预测时会将图片输入缩放为640 * 480。

代码如下：

import matplotlib.pyplot as plt

import matplotlib.image as mpimg

import paddlehub as hub

module = hub.Module(name="ultra_light_fast_generic_face_detector_1mb_640")

# 待预测图片

test_img_path = ["./crowd1.jpg"]

img = mpimg.imread(test_img_path[0])

# 展示待预测图片

plt.imshow(img)

plt.axis('off')

plt.show()

input_dict = {"image": test_img_path}

# execute predict and print the result

results = module.face_detection(data=input_dict)

for result in results:

    print(result)

# 预测结果展示

img = mpimg.imread("./face_detector_640_predict_output/crowd1.jpg")

plt.imshow(img)

plt.axis('off')

plt.show()

效果：