在CPU上實時運行的基於ResNet10-SSD的虹膜檢測

開源代碼：https://github.com/zhongqianli/iris_detector

如何用SSD訓練虹膜檢測模型

見《如何使用Caffe-SSD框架訓練虹膜檢測模型》

網絡設計

ResNet10-SSD

使用4個殘差模塊作爲base network, 然後添加SSD的extra layers.

Visualization of network structure (tools from ethereon)
http://ethereon.github.io/netscope/#/gist/bc73857987941a56bc45bf4c4ae870b0

ResNet10-SSD-Half

和前面的ResNet10-SSD結構一樣，當濾波器的數量大於32時，將其減半.

網絡結構可視化 (tools from ethereon)
http://ethereon.github.io/netscope/#/gist/cf4dccec1f9a6c8f3f125000cd7b97f9

MobileNet-SSD

見 https://github.com/chuanqi305/MobileNet-SSD

網絡結構可視化 (tools from ethereon)
http://ethereon.github.io/netscope/#/gist/e1e8c3c3a450f0502ef8ff6547d5dedb

實驗

我們的iris dataset包含12800個訓練樣本和3200個測試樣本。在GTX1080Ti上訓練。在Intel i5 CPU和GTX1080Ti GPU上測試。

速度測試結果

ResNet10-SSD-half比其他兩個網絡都快。

Network	mAP	Speed on Intel i5 CPU(ms)	Speed on GTX1080Ti(ms)	Input resolution
ResNet10-SSD	1.0	20	13	640x480
ResNet10-SSD-Half	1.0	10	7	640x480
MobileNet+SSD	-	27	18	640x480

ResNet10-SSD

模型訓練

detection_eval = 1

模型測試

Intel i5 CPU

• opencv3.4 Python測試結果:
  

• opencv3.4 C++測試結果:
  

GTX1080Ti GPU

ResNet10-SSD-Half

模型訓練

detection_eval = 1

模型測試

Intel i5 CPU
opencv3.4 Python測試結果:

opencv3.4 C++ 測試結果:

GTX1080Ti GPU

MobileNet-SSD

模型測試

我們只測試了mobilenet_300x300_ssd_iter_3000.caffemodel. 速度比ResNet10-SSD慢很多，所以我們不再繼續訓練下去。