← Zur Forschung

Forschung & Publikationen

SCRFD

Sample- und Compute-Redistribution für effiziente Gesichtsdetektion

SCRFD ist auf starke Detektionsgenauigkeit unter strengen Latenz- und Compute-Budgets ausgelegt – über Edge-, Mobil- und Server-Deployments hinweg.

Paper-Details

SCRFD: Sample and Computation Redistribution for Efficient Face Detection

Veröffentlichung

ICLR 2022

Autor:innen

Jia Guo, Jiankang Deng, Alexandros Lattas, Stefanos Zafeiriou

Paper öffnen

Forschungsüberblick

SCRFD verbessert die Effizienz, indem sowohl Trainingsfokus als auch Modellrechenaufwand dort konzentriert werden, wo sie am meisten zählen. Das ergibt eine Detektorfamilie, die das Verhältnis von Genauigkeit zu Durchsatz für produktive Echtzeit- oder Edge-Inferenz gut ausbalanciert.

Produktive Einsatzszenarien

  • Edge-Kameras, Kioske und Smart-Terminals
  • On-Device-Gesichtsdetektion für mobile KI-Apps
  • Hochdurchsatz-Vorverarbeitung für Videopipelines
  • Serverseitige Gesichtslokalisierung vor Erkennung oder Liveness-Analyse

Codebeispiel

SCRFD-Erkennungen mit buffalo_l prüfen

Laden Sie buffalo_l, führen Sie die Erkennung in einem dichten Szenenbild aus und geben Sie die in Produktionspipelines verwendeten Gesichtsboxen und Keypoints aus.

demo.py
1import cv2
2from insightface.app import FaceAnalysis
3
4app = FaceAnalysis(name="buffalo_l")
5app.prepare(ctx_id=0, det_size=(640, 640))
6
7img = cv2.imread("crowd.jpg")
8if img is None:
9    raise FileNotFoundError("input image not found")
10
11faces = app.get(img)
12
13for index, face in enumerate(faces):
14    bbox = face.bbox.astype(int).tolist()
15    kps = face.kps.astype(int).tolist()
16    print(f"face {index}: bbox={bbox}")
17    print(f"face {index}: keypoints={kps}")

Kernbeiträge

Verteilt Samples und Rechenleistung neu, um den Genauigkeit-Geschwindigkeit-Kompromiss zu verbessern, statt nur die Modellgröße zu erhöhen.

Unterstützt mehrere Deployment-Stufen, sodass Teams einen Detektor wählen können, der zu Mobil-, Embedded-, Desktop- oder Server-Anforderungen passt.

Liefert starke WIDER-FACE-Performance und bleibt gleichzeitig praktikabel für Echtzeit-Inferenzpipelines.

Geschäftlicher Kontakt

Sprechen wir über Ihre geschäftlichen Anforderungen

Kontaktieren Sie InsightFace für Modelllizenzierung, Unterstützung bei Enterprise-Deployments, kundenspezifische KI-Entwicklung oder strategische Partnerschaften.

Wir akzeptieren ausschließlich Anfragen von geschäftlichen E-Mail-Adressen.

Per E-Mail kontaktierenAuf GitHub erkunden