近年来，准确的人脸检测技术取得了巨大发展。然而，由于模型庞大、计算成本高，人们难以将多个检测器部署在模型大小和延迟严重受限的移动和嵌入式设备上。南方科技大学 @于仕琪老师 介绍了专门为边缘设备设计的毫秒级无锚点人脸检测器YuNet。在提高效率和准确性的权衡方面，该研究做出了几项重要贡献。首先分析了近年来有影响力的先进人脸检测器，并总结了缩减模型大小的规律。然后介绍了一种轻量级人脸检测器YuNet。该检测器包含一个微小而高效的特征提取骨干网络和一个简化的金字塔特征融合模块。YuNet在准确性和速度之间达到了最佳平衡。YuNet只有75856个参数，不到其他小型检测器的1/5。此外，该研究还提出了一种针对小型人脸检测器的训练策略，可以有效地训练具有相同训练集分布的模型。所提出的YuNet在WIDER FACE验证集最难的数据上实现了81.1%的mAP(单尺度)，推理效率极高(英特尔 i7-12700K：320×320分辨率下每帧 1.6毫秒)。由于其独特的优势，YuNet 及其前身的资源库在GitHub上很受欢迎，获得了超过11000个点赞，并被OpenCV Model Zoo采纳。全文下载：http://t.cn/A6Wy82yR #人工智能[超话]##人工智能##计算机视觉[超话]##计算机视觉##人脸识别[超话]##人脸检测# http://t.cn/A6lo4dmr