aliushn / zqcnn-v0.0

一款比mini-caffe更快的Forward库

ZQCNN-v0.0是ZuoQing参照mini-caffe写的forward库，随便用用

更新日志

2018-08-15日更新

添加自然场景文本检测，模型从TextBoxes转过来的。我个人觉得速度太慢，而且准确度不高。

注意这个项目里用的PriorBoxLayer与SSD里的PriorBoxLayer是不同的，为了导出ZQCNN格式的权重我修改了deploy.prototxt保存为deploy_tmp.prototxt。 从此处下载模型。

2018-08-10日更新

成功转了mxnet上的GenderAge-r50模型 以及Arcface-LResNet100E-IR，与转MobileFaceNet模型步骤一样。

下面Model Zoo 有我转好的模型，比自动转出来的应该略快。

打开ZQCNN.sln运行SampleGenderAge查看效果。我E5-1650V4的CPU，单线程时间波动很大，均值约1900-2000ms，四线程400多ms。

2018-08-09日更新

添加mxnet2zqcnn，成功将mxnet上的MobileFaceNet转成ZQCNN格式（不能保证其他模型也能转成功，ZQCNN还不支持很多Layer）。

第一步：编译出mxnet2zqcnn.exe

第二步：下载model-y1.zip然后解压

第三步：在刚才解压的目录下运行命令行 mxnet2zqcnn.exe model-symbol.json model-0000.params test.zqparams test.nchwbin

第四步：用记事本打开test.zqparams, 在第一行（Input Layer）后面加上 C=3 H=112 W=112 然后保存

第五步：把test.zqparams和test.nchwbin复制到model文件夹下，然后在VS2015里运行SampleMobileNet.exe，注意工作目录是$(SolutionDir)

自动转出来的速度慢了不少，可以手工修改test.zqparams，可以参考ArcFace-MobileFaceNet-v0

2018-08-07日更新

BUG修复：之前Convolution, DepthwiseConvolution, InnerProduct, BatchNormScale/Scale默认with_bias=true， 现在改成默认with_bias=false。也就是之前的代码无法加载不带bias的这几个Layer。

示例，如下这样一个Layer，以前会默认为有bias_term，现在默认没有bias_term

Convolution name=conv1 bottom=data top=conv1 num_output=10 kernel_size=3 stride=1

2018-08-06日更新

增加人脸识别在LFW数据库的精度测试。打开ZQlibFaceID.sln可以看到相关Project。

由于C++代码的计算精度与matlab略有差距，统计出的精度也有一些差别，但是相差在0.1%以内。

2018-08-03日更新

支持多线程（通过openmp加速）。请注意，目前多线程反而比单线程慢

2018-07-26日更新

支持MobileNet-SSD。caffemodel转我用的模型参考export_mobilenet_SSD_caffemodel_to_nchw_binary.m。需要编译出matcaffe才行。 你可以试试这个版本caffe-ZQ

2018-06-05日更新

跟上时代潮流、发布源码。 忘了说需要依赖openblas，我是直接用的mini-caffe里面的那个版本，自己编译出来的很慢。

Model Zoo

人脸检测

MTCNN 从MTCNN转的格式

人脸识别

SeetaFace LFW约97.8-97.9%，每次提取时间约110ms，3.6GHz

SphereFace04bn256 LFW约97.8%-97.9%，单线程6-7ms，速度最快

SphereFace04 LFW约98.2%

SphereFace04bn LFW约98.5%

SphereFace06bn LFW约98.7%-98.8%

SphereFace20 LFW约99.2%-99.3%

Mobile-SphereFace10bn512 LFW约98.6%-98.7%，单线程15ms，性价比高

ArcFace-r100 LFW约99.80%-99.82%,单线程1900毫秒，四线程480毫秒（波动很大）

ArcFace-r50 LFW约99.75%-99.78%,单线程700多毫秒

ArcFace-r34 LFW约99.65%-99.70%,单线程500毫秒左右

ArcFace-MobileFaceNet-v0 从model-y1.zip转的格式，转完之后在LFW上只有99.13%-99.23%，单线程33-35ms，4线程14-15ms

表情识别

FacialEmotion 七类表情用Fer2013训练

性别年龄识别

GenderAge-r50从insightface的gamodel-r50转的格式。

目标检测

MobileNetSSD 从MobileNet-SSD转的格式

MobileNetSSD-Mouth 用于SampleDetectMouth

文字检测

TextBoxes

相关文章

(1)人脸特征向量用整数存储精度损失多少？

(2)千万张脸的特征向量，计算相似度提速？

(3)打造一款比mini-caffe更快的Forward库

(4)向量点积的精度问题

(5)ZQCNN支持Depthwise Convolution并用mobilenet改了一把SphereFaceNet-10

(6)跟上时代潮流，发布一些源码

(7)ZQCNN支持SSD，比mini-caffe快大概30%

(8)ZQCNN的SSD支持同一个模型随意改分辨率

(9)ZQCNN格式的99.78%精度的人脸识别模型

(10)ZQCNN增加人脸识别在LFW数据集上的测试代码

(11)抱紧mxnet的大腿，着手写mxnet2zqcnn