← Назад к исследованиям

Исследования и Публикации

SCRFD

Перераспределение выборки и вычислений для эффективного обнаружения лиц

SCRFD спроектирован так, чтобы обеспечивать высокую точность обнаружения лиц при жёстких ограничениях по задержкам и вычислениям — на edge-, мобильных и серверных развёртываниях.

Сведения о статье

SCRFD: Sample and Computation Redistribution for Efficient Face Detection

Публикация

ICLR 2022

Авторы

Jia Guo, Jiankang Deng, Alexandros Lattas, Stefanos Zafeiriou

Открыть статью

Обзор исследования

SCRFD повышает эффективность за счёт перераспределения как акцента в обучении, так и вычислительных ресурсов модели, концентрируя бюджет там, где это критично. В результате получается семейство детекторов с хорошим балансом точности и пропускной способности для систем, которым нужен реальный или edge-инференс.

Сценарии применения

  • Edge-камеры, киоски и умные терминалы
  • Локальное обнаружение лиц для мобильных AI-приложений
  • Высокопроизводительные конвейеры предобработки видео
  • Серверная локализация лиц перед распознаванием или анализом «живости»

Пример кода

Проверка детекций SCRFD с buffalo_l

Загрузите buffalo_l, выполните detection на насыщенном изображении и выведите face boxes и keypoints, которые используются в production pipelines.

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}")

Ключевые преимущества

Перераспределяет выборку и вычисления, чтобы улучшить компромисс «точность–скорость» вместо простого увеличения модели.

Поддерживает несколько уровней развёртывания, помогая командам выбрать детектор под мобильные, встроенные, десктопные или серверные ограничения.

Даёт сильные результаты на WIDER FACE, оставаясь практичным для конвейеров инференса в реальном времени.

Коммерческий контакт

Давайте обсудим ваши бизнес-задачи

Свяжитесь с InsightFace по вопросам лицензирования моделей, поддержки корпоративного внедрения, кастомной разработки ИИ или стратегического партнёрства.

Мы принимаем запросы только с корпоративных адресов электронной почты.

Связаться по EmailОбзор на GitHub