首页 理论教育 SSD、MDSSD和MDSSDLite模型的人脸检测效果比较

SSD、MDSSD和MDSSDLite模型的人脸检测效果比较

时间:2023-11-23 理论教育 版权反馈
【摘要】:本章对训练的SSD 人脸检测模型、MDSSD 人脸检测模型、MDSSD Lite 模型从检测速度、平均准确率、模型大小和实际检测效果等方面进行对比分析,以测试改进模型的有效性,如表6-4 所示。通过实验对比发现,SSD 人脸检测模型的检测速度较快,可以达到28 帧/秒,模型体积仅97M 大小,但是其检测精度较低,尤其是召回率较低。图6-7模型检测结果对比示例图像中深(红)色框为模型错误识别的人脸,浅(蓝)色框为模型正确检测到的人脸区域。

SSD、MDSSD和MDSSDLite模型的人脸检测效果比较

本章对训练的SSD 人脸检测模型、MDSSD 人脸检测模型、MDSSD Lite 模型从检测速度、平均准确率、模型大小和实际检测效果等方面进行对比分析,以测试改进模型的有效性,如表6-4 所示。

表6-4 实验结果

表6-4 的实验效果仅在相同配置的CPU 上完成,无GPU 加速计算,实验测试基于Wider Face 的验证集。通过实验对比发现,SSD 人脸检测模型的检测速度较快,可以达到28 帧/秒,模型体积仅97M 大小,但是其检测精度较低,尤其是召回率较低。而基于 SSD 网络改进的MDSSD 网络,由于其添加了额外的检测模块、检测层和先验框,其模型参数量以及模型体积更大,因此,其检测速度略慢于SSD 网络,达到25 帧/秒,但是仍然可以达到人脸实时检测的要求;相对于SSD 的检测速度,MDSSD 网络的检测速度损失可以忽略不计。同时,MDSSD 网络的检测精度和人脸置信度较高,其平均准确率达到0.813,极大地提高了小脸检测的召回率,这相对于 SSD 模型,其平均准确率提高了20.9%,有效证明了改进模型的有效性,其P-R 曲线如图6-6 所示。基于MDSSD 网络的量化压缩模型MDSSD Lite 模型,其检测精度高,检测速度最快,可达到34 帧/秒,模型体积最小仅为63M。

图6-6 模型P-R 曲线对比图(www.xing528.com)

基于SSD 模型、MDSSD 模型和MDSSD Lite 模型的简单、中等、复杂场景下的人脸检测效果如图6-7 所示,其中顶层图像为SSD 人脸检测模型检测效果,中间层图像为MDSSD 模型检测效果,底层图像为MDSSD Lite 模型检测效果。

图6-7 模型检测结果对比示例

图像中深(红)色框为模型错误识别的人脸,浅(蓝)色框为模型正确检测到的人脸区域。在简单场景下,图像背景简单,人脸分辨率较高,因此,SSD、MDSSD、MDSSD Lite 三个模型的检测效果相当;但是由于SSD 网络低层特征图的语义特征不丰富,因此,无法检测到稍小的模糊人脸。同时,对于正常人脸检测而言,SSD 人脸检测模型的框回归相对不准确,无法完整定位到全部人脸区域,这也证明了MDSSD算法基于K-Means 聚类的先验框设置的有效性。在中等复杂场景下,SSD 模型的错检率较高,而MDSSD 和MDSSD Lite 模型可以很好地检测到自然场景下的人脸,其错检率和漏检漏均较低。在复杂场景下,尤其是人脸密集图像中,SSD 模型几乎无法检测到小脸和遮挡人脸。对于背景简单的复杂场景,MDSSD 模型和MDSSD Lite 模型仍然可以检测到几乎全部的人脸,而对于背景复杂场景,其仅存在很少的漏检人脸,但是漏检的人脸往往分辨率很低且遮挡严重,人脸特征不明显。

总体而言,MDSSD 人脸检测模型有较高的检测精度和检测速度,但模型参数较多,计算相对复杂,适用于高性能设备的实时人脸检测需求。而MDSSD Lite 模型的检测速度较快,检测精度较高,可以部署到大多数设备进行实时人脸检测。MDSSD 模型与SSD 模型的检测速度相当,但其检测精度优于SSD 模型,而MDSSD Lite 的检测精度和检测速度均优于SSD 模型,因此,MDSSD 模型和MDSSD Lite 模型更适用于人脸检测工业应用。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈