SeetaFace2 人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块 FaceDetector、面部关键点定位模块 FaceLandmarker 以及人脸特征提取与比对模块 FaceRecognizer。还将陆续开源人脸跟踪、闭眼检测等辅助模块。
SeetaFace2 采用标准C++开发，全部模块均不依赖任何第三方库，支持x86架构（Windows、Linux）和ARM架构（Android）。SeetaFace2支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。
SeetaFace2是面向于人脸识别商业落地的里程碑版本，其中人脸检测模块在FDDB上的100个误检条件下可达到超过92%的召回率，面部关键点定位支持5点和81点定位，1比N模块支持数千人规模底库的人脸识别应用。
模块方法概述基础技术指标典型平台速度人脸检测CascadedCNNFDDB上召回率达到92%（100个误检情况下）。40最小人脸I7:70FPS(1920x1080)RK3399:25FPS(640x480)面部关建点定位(81点和5点)FEC-CNN平均定位误差（根据两眼中心距离归一化）300-WChallengeSet上达到0.069。I7:450FPS和500FPSRK3399:110FPS和220FPS人脸特征提取与比对ResNet50识别：通用1：N+1场景下，错误接受率1%时，1000人底库，首选识别率超过98%，5000人底库，首选识别率超过95%。I7:8FPSRK3399:2.5FPS与2016年开源的 SeetaFace1.0 相比，SeetaFace2 在速度和精度两个层面上均有数量级的提升。
版本人脸检测关键点定位人脸识别第三方依赖速度[1]单精度[2]速度功能训练数据规模应用1.016FPS85%200FPS5点140万张实验室无2.077FPS92%500FPS5/81点3300万张商业环境无备注[1]640x480输入、检测40x40人脸、I7-6700。[2]人脸检测的精度指100个误捡FDDB数据集的召回率。
评论