MobileFaceNet

移动端unet人像分割模型--1

近期成功利用别人训练好的mtcnn和mobilefacenet模型制作了一个ios版本人脸识别swift版本demo。希望maskrcnn移植到ncnn，在手机端实现一些有趣的应用。

xiexiecn·2023-12-25 00:46

海思NNIE Hi3559量化部署Mobilefacenet与RetinaFace

目录海思NNIEHi3559量化部署Mobileface模型环境介绍前言准备工作1、完成RuyiStudio的安装2、下载模型、数据集NNIE量化1、创建工程2、配置cfg文件并生成仿真wk3、中间层结果对比验证4、生成instWK板上运行代码附录海思NNIEHi3559量化部署Retinaface模型环境介绍Retinaface介绍NNIE量化工作cfg文件配置向量对比结果板上运行海思NNIEH

孤鸥111·2023-07-29 09:01

InsightFace: 2D和3D人脸分析项目

网络的backbones包括ResNet、MobilefaceNet、MobileNet、InceptionResNet_v2、DenseNet、DPN。损失函数包括Softmax、Sph

神罗Noctis·2023-04-08 03:10

海思开发：mobilefacenet 模型： pytorch -＞ onnx -＞ caffe -＞ nnie

我的demo代码二、详情人脸模型是在pytorch下训练的，工程文件用的是这个：MobileFaceNet_Tutorial_Pytorch训练完成之后，先转为onnx模型并做简化，代码如下：defexport_onnx

tang-shopping·2023-01-18 12:39

开源人脸识别项目insightface_pytorch

insightface_pytorch主要做了以下几个方面的工作：*使用的相关算法人脸检测：由原来的retina改成了MTCNN，准确度差了不少人脸对齐：由原来的DenseU-Net改成了MTCNN人脸识别：当前可以支持mobilefacenet

我是谁？？·2022-12-01 17:05

Pytorch模型转onnx、caffe、TorchScript通用代码，onnx模型推理

二、使用步骤1.转成onnx示例代码model=MobileFaceNet()model.load_state_dict(tor

songlixiangaibin·2022-11-25 18:50

深度学习-MobileFaceNet网络结构详解

MobileNet可分离卷积（Depthwiseseparableconv）：可分离卷积可以减少参数量与计算量：例如输入是1001003，普通卷积采用33352的卷积核，输出为10010052,参数量为33352=1404使用深度分离卷积，第一步是采用333的卷积核，输出各个通道不相加，仍然为3通道，第二步采用113*52的卷积核，输出相同，参数量为27+156=183，参数量减少MobileNe

INFINALGEORGE·2020-09-14 13:15

pytorch学习率调整

参考MobileFaceNet_Pytorch中的train.py文件参考InsightFace_Pytorch中的train.py，Learner.py文件

Lavi_qq_2910138025·2020-08-26 13:05

MobileFaceNets

作者：Fire_Light_原文：https://blog.csdn.net/Fire_Light_/article/details/80279342正文mobilefacenet其实是mobilenetV2

ChengLaun·2020-08-22 04:26

【人脸识别】AirFace:Lightweight and Efficinet Model for Face Recognition

论文链接：https://arxiv.org/abs/1907.12256作者提出该方法的动机：在使用MobileFaceNet从头训练使用ArcFaceloss，使用小的输入尺寸，模型难以拟合（所以作者提出了

猫猫与橙子·2020-08-21 01:21

retinaface人脸对齐

https://github.com/foamliu/MobileFaceNet-PyTorchdefalign_face(sample):facial5points=sample['landmarks

ShellCollector·2020-08-21 00:22

pytorch中提取任意层特征（一）

PyTorchhook提取任意层和关于PyTorchbackward过程的理解（二）个人总结，pytorch中提取任意层的feature有两种方法，这两种方法是根据网络构建的方法不同而产生的；首先来介绍第一种：以mobileFaceNet

我有一只大鹅·2020-08-17 15:00

insightface训练mobilenet的时候模型太大

导读在使用insightface训练mobilefacenet的时候，训练完成之后模型还有22.5M，而官方训练的模型只有4.7M左右，训练的命令如下：CUDA_VISIBLE_DEVICES='0,1

修炼之路·2020-08-04 18:36

mobilefacenet

insightface作者训练的mobileFaceNet:https://github.com/deepinsight/insightface/issues/214ncnn的转换：https://github.com

weixin_30522095·2020-07-28 16:49

（Caffe人脸识别）CosineFace、ArcFace、MobileFaceNet、Combined Margin loss的原理以及在caffe中的层实现

对于CosineFace、MobileFaceNet、ArcFace、CombinedMarginloss这四种损失函数，都是为了提高人脸识别的分类效果，在原有softmaxloss进行改进的。

rainforestgreen·2020-07-28 10:24

基于MTCNN和MobileFaceNet实现的人脸识别

原文博客：Doi技术团队链接地址：https://blog.doiduoyi.com/authors/1584446358138初心：记录优秀的Doi技术团队学习经历本文链接：基于MTCNN和MobileFaceNet

夜雨飘零1·2020-07-28 06:37

人脸识别网络mobilefacenet,的改进介绍

shishi_m037192554·2020-07-28 03:58

mobilefacenet-V2

开源了网络结构mobilefacenet-V2https://github.com/qidiso/mobilefacenet-V2Updatewd=0.0000001trainningisnotend.nowisthenewAccuracy

ShellCollector·2020-07-28 00:23

论文笔记：MobileFaceNet

原文：MobileFaceNets:EfficientCNNsforAccurateReal-timeFaceVerificationonMobileDevicesMobileFaceNet1、四个问题要解决什么问题？设计一个在手机或嵌入式设备上可实时运行且具有高精度的人脸验证CNN模型。用了什么方法解决？以MobileNetv2网络为骨架，做了一些改进：使用全局可分离卷积（globaldepth

hongbin_xu·2020-07-27 23:44

Android 人脸检测和识别

这主要就是整合一些开源算法形成一个SDK供大家快速使用开源算法说明推理算法：ncnn检测算法：Ultra识别算法：mobilefacenet使用添加依赖Additinyourrootbuild.gradleattheendofrepositories

小_猪_崽·2020-07-27 11:55

2020-07-15 总结人脸识别项目

(2)在MS1M数据集上，ResNet50/ResNet100+ArcFace,精度高，问题：手机端高时延(3)在MS1M数据集上，MobileNet/ShuffleNet/MobileFaceNet/

偷不走的影子·2020-07-27 10:57

Android端基于MTCNN和mobilefacenet的人脸识别

好奇其中的原理于是就去github上搞了个MTCNN+MobileFaceNet的demo（没记错的话是这个），刚拿来的时候是只有1:1比对和检测的，然后我加入了人脸对齐、1:N识别和红外活体检测。

Charleyszc·2020-07-15 17:31

tensorflow模型转为tflite

1、ckpt转为pb模型主要步骤参考MobileFaceNet模型转换问题，其它模型转换也是按此步骤，注意输入、输出节点的选择。

阿杜依诺·2020-07-11 19:20

MXnet转caffe

Caffe作为小巧灵活的老资格框架，使用灵活，部署方便，所以尝试将mxnet训练的mobilefacenet模型转换为Caffe。这里简单记录用mxnet训的mobilefacenet模型转换为Caf

吃不胖的卷卷·2020-06-27 02:55

ArcFace / InsightFace 论文解读

updateon2019/4/1我计划在今年六月份开源我的人脸识别demo到github上，集成了人脸检测和mobileFaceNet+arcloss人脸识别。如果需要请下方留言。届时会通知各位。

咆哮的阿杰·2020-06-25 08:42

pytorch中提取任意层特征

个人总结，pytorch中提取任意层的feature有两种方法，这两种方法是根据网络构建的方法不同而产生的；首先来介绍第一种：以mobileFaceNet为例，看一下mobileFace构建的网络代码：

猫猫与橙子·2019-07-10 11:40

基于insightface训练mobilefacenet的相关步骤及ncnn转换流程

5月16日更新经多位网友的共同实验，原方案部分情况下迭代次数稍微不足，导致最终识别率略有小差异，为了相对容易获得论文的最佳结果，对训练方案进行简单更新，实际训练也可根据数据acc训练是否已稳定来判断lr下降的迭代次数：适当增大softmax迭代次数，4万-->12万；增大arcface第一级lr0.1的迭代次数，8万-->12万；ps：无闲置机器，暂不再更新log。该项目训练步骤，已验证mobil

·2019-03-15 22:00

推荐频道