移动端实时人脸关键点识别综述0 - 概述
-
前言
移动端人脸关键点识别项目目前已经取得了不错的进展,大体的系统框架也已确定,从现在起我会陆续发表一系列的文章详细介绍移动端人脸关键点实现的技术,内容涵盖Object Detection、Face Landmark、移动端CNN模型、模型量化加速、神经网络边缘计算框架的对比与选择等,为目前网络上没有的对实时人脸关键点任务的综述,干货满满。
移动端实时人脸关键点识别需要解决的几大任务有:人脸定位 (Face Detection)、人脸关键点检测 (Face Landmark)、移动端网络计算,因此我们的文章也从这几个方面开始展开。
文章列表
Object Detection
- 移动端实时人脸关键点识别综述1.0 - Object Detection综述
- 移动端实时人脸关键点识别综述1.1 - Object Detection综述之Faster RCNN
- 移动端实时人脸关键点识别综述1.2 - Object Detection综述之YOLO
- 移动端实时人脸关键点识别综述1.3 - Object Detection综述之SSD
- 移动端实时人脸关键点识别综述1.4 - Object Detection综述之MTCNN
Face Landmark
- 移动端实时人脸关键点识别综述2.0 - Landmark综述
- 移动端实时人脸关键点识别综述2.1 - Landmark综述之数据处理
- 移动端实时人脸关键点识别综述2.2 - 移动端基础图像模型
- 移动端实时人脸关键点识别综述2.4 - Landmark综述之Loss
- 移动端实时人脸关键点识别综述2.3 - Landmark综述之网络的改进
Network Computation & Optimization
- 移动端实时人脸关键点识别综述3.0 - 神经网络边缘计算综述
- 移动端实时人脸关键点识别综述3.1 - 神经网络边缘计算框架的选择
- 移动端实时人脸关键点识别综述3.2 - 模型量化
- 移动端实时人脸关键点识别综述4 - Tips & Tricks
DianFace demo 1 DianFace demo 2