ZQCNN-v0.0是ZuoQing参照mini-caffe写的forward库,随便用用
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。
人脸检测
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
(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