NCNN人脸检测和关键点检测

本文主要是介绍NCNN人脸检测和关键点检测，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

参考以下连接获取原始 retinaface模型：

mirrors / wzj5133329 / retinaface_caffe · GitCode

https://github.com/deepinsight/insightface/tree/master/RetinaFace

retinaface(mxnet)的CAFFE模型

https://github.com/Charrin/RetinaFace-Cpp/tree/master/convert_models/mnet

使用caffe2ncnn将模型转换为NCNN格式，需要注意的是，环境需要事先安装protobuf的开发环境，否则CMAKE阶段会警告无法生成caffe2ncnn和onnx2ncnn的问题，因为这两种格式用的都是protobuf来描述的。

sudo apt-get install libprotobuf-dev protobuf-compiler
sudo apt-get autoremove --purge protobuf-compiler
sudo apt-get autoremove --purge libprotobuf-dev

编译成功后，执行命令./caffe2ncnn mnet.prototxt mnet.caffemodel进行模型转换即可。

之后重命名ncnn.bin,ncnn.param为应用识别的文件名，即可以推理验证：

执行命令：./retinaface ./beauty.jpg

lena大妈

百度人脸的结果： 

对结果进行检测:

以上是用NCNN自带的模型测试的效果，下面用自己转的模型验证：

按照符合网络输入要求的图像尺寸做scale后输入：

效果很好！

下面是用NCNN YOLOV5用的模型文件，对比一下人脸检测和人形目标检测算法的区别：

小鲜肉和老腊肉：

网络分析：

一输入九输出

基于NCNN修改的后处理程序：

// Tencent is pleased to support the open source community by making ncnn available.
//
// Copyright (C) 2019 THL A29 Limited, a Tencent company. All rights reserved.
//
// Licensed 

这篇关于NCNN人脸检测和关键点检测的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---