人臉檢測 RetinaFace
這個6ms,能檢測近距離人臉，無關鍵點
https://github.com/jacke121/faster-mobile-retinaface
fddb數據集：
https://drive.google.com/file/d/17t4WULUDgZgiSy5kpCax4aooyPaz3GQH/view
這個權重更小：出5個關鍵點，好 300*255 32 110ms
https://github.com/biubug6/Pytorch_Retinaface
這個13ms，但是誤檢率很高，無關鍵點。
https://github.com/jacke121/Ultra-Light-Fast-Generic-Face-Detector-1MB
cpu版，100ms，無關鍵點,嚴重側臉也能檢測：
https://github.com/Star-Clouds/centerface
c++
https://github.com/clancylian/retinaface
這個權重113m，出3個角度方向
https://github.com/supernotman/RetinaFace_Pytorch
人臉方向是個網絡，90多m權重
https://github.com/natanielruiz/deep-head-pose
ImageNet ResNet50 (baidu cloud and dropbox).
ImageNet ResNet152 (baidu cloud and dropbox).
WIDER FACE數據集是由香港中文大學發佈的大型人臉數據集，含32,203幅圖像和393,703個高精度人臉包圍框，該庫中人臉包含尺度、姿態、表情、遮擋和光照等變化。
WIDER FACE 幾乎是目前評估人臉檢測算法最權威的數據集。
RetinaFace 是今年5月份出現的人臉檢測算法，當時取得了state-of-the-art，作者也開源了代碼，過去了兩個月，目前僅以極其微弱的精度差屈居第二名，但因爲第一名的AInnoFace算法（來自北京創新奇智公司）沒有開源，所以目前RetinaFace可稱得上是目前最強的開源人臉檢測算法。
RetinaFace來自論文RetinaFace: Single-stage Dense Face Localisation in the Wild，作者來自帝國理工學院、InsightFace、Middlesex University London、FaceSoft。
相信很多朋友對InsightFace並不陌生，它是目前針對2D與3D人臉分析（含檢測、識別、對齊、屬性識別等）最知名和開發者最活躍的開源庫。RetinaFace代碼已經併入該庫。
下圖爲在WIDER FACE 數據集上驗證集三個子集的排名靠前的算法結果曲線和精度：
下圖爲在WIDER FACE 數據集上測試集三個子集的排名靠前的算法結果曲線和精度：
在6個子集中，RetinaFace取得1個第一名，2個並列第1名，3個以極其微弱精度差屈居於第二名。
RetinaFace使用特徵金字塔網絡架構：
其主要創新點在損失函數的設計。
下圖說明了RetinaFace的核心思想：
在人臉檢測多任務學習中，除了傳統的人臉分類損失函數和包圍框迴歸損失函數，作者額外標註了人臉 5 點信息，並以此引入人臉對齊的額外監督信息損失函數，還引入了self-supervised解碼分支預測3D人臉信息分支。
集合了更多監督信息和自監督信息，是 RetinaFace 取得成功的關鍵。
很多時候，人臉檢測是爲了後續的識別，作者特意將檢測結果送入人臉驗證網絡，在IJB-C test set上測試結果表明可以提高ArcFace的人臉驗證精度(TAR=89.59% for FAR=1e-6)。
由上圖可知，相對於MTCNN，在助力人臉驗證上有一致性精度提高的表現。
更爲難能可貴的是，使用輕量級骨幹網絡，RetinaFace算法在CPU上測試VGA圖片可以達到實時。如下圖：
感謝作者的開源，歡迎給大佬加星！
論文地址：
https://arxiv.org/pdf/1905.00641.pdf
代碼地址：
https://github.com/deepinsight/insightface/tree/master/RetinaFace