摘要： 基于高斯热力图的目标检测是anchor free中的代表方法，其具有原理简单，易于拓展，后处理简单等优势。 1. 简介 采用热力图做人脸检测，最开始是Centernet的出现，其在通用通用目标检测，人体关键点检测，3D目标检测上都达到了std的效果。后来就出现了centerface，采用mobilev2做bonenet，做人脸与关键点检测。但，项目只给出了推理代码，没有给出训练代码。后

问题 已经将DBface转成ncnn模型，并在c++上测试通过，但是移植到android平台之后，结果一直不对，只能一段一段的检查，发现ncnn模型输出为nan。 猜想 输入给的不对。c++上推理采用的是cv::Mat作为输入。android平台采用bitmap预处理不对，因为有image/255 - mean / stdncnn模型没有正确载入对ncnn的模型进行逐层检查版本对应不上 只能一

这里主要记录将DBface移植到android平台上的记录。 1. requirements 192.7142，android studio的版本ndk的版本为：19.2.5345600是不行的，21.1.6352462 2. 其他 android安装apk的时候，“安装异常” 在"project"—“android”----“Gradle Scripts”—"gradle.propert

1. 效果 先上效果，密集。 2.路线 pytorch2onnx解决bilinear2d上采样问题编译ncnn创建项目，导入libncnn，完善DBface的推理代码解决nms有重框的问题 3. 具体事项 图像预处理：((image / 255 - mean) / std).astype(np.float32) 项目初始调试成功的时候，结果和DBface.pytorch推理的结果有很大

7 推断部分 推断部分主要是在test.py中 主要函数其实很短，如下，代码其实被我改了一部分，和原始的github上可能有点区别 mean = [0.408, 0.447, 0.47]std = [0.289, 0.274, 0.278]# trial_name = "small-H-dense-wide64-UCBA-keep12-noext-ignoresmall2"trial_na

1. 效果 先上效果，密集。 2.路线 pytorch2onnx解决bilinear2d上采样问题编译ncnn创建项目，导入libncnn，完善DBface的推理代码解决nms有重框的问题 3. 具体事项 图像预处理：((image / 255 - mean) / std).astype(np.float32) 项目初始调试成功的时候，结果和DBface.pytorch推理的结果有很大