做的很棒。不过MTCNN太重，抠脸花几秒？2s？

[aguang1201]

No description provided.

[vcvycy]

检测速度和minFaceSize和图片中的人脸个数相关。minFaceSize这个参数就是要检测的最小人脸，论文中的是40 pixels，具体应用具体设置。
比如一张普通1000像素左右的图片，人脸小于5个，将minFace设置为1000/6,差不多160 pixels，可以比40 快5倍左右，处理速度100ms以下。

[aguang1201]

嗯嗯，感谢您的讲解。这两个参数确实对性能影响很大。有时间跑一次您的代码，感谢分享 | | truename | | 邮箱：[email protected] | Signature is customized by Netease Mail Master 在2018年07月21日 11:08，Jianfeng Chen 写道： 检测速度和minFaceSize和图片中的人脸个数相关。minFaceSize这个参数就是要检测的最小人脸，论文中的是40 pixels，具体应用具体设置。 比如一张普通1000像素左右的图片，人脸小于5个，将minFace设置为1000/6,差不多160 pixels，可以比40 快5倍左右，处理速度100ms以下。 — You are receiving this because you authored the thread. Reply to this email directly, view it on GitHub, or mute the thread.

[dl8207531]

1000像素，6张人脸，minface1000/6，能做到100ms以下不大可能吧，这是实测出来的值吗？

[vcvycy]

@dl8207531
100ms没什么难度吧。耗时的地方：
1、图片缩放：主要取决于人脸个数和图片大小。可以认为和人脸数线性关系。
2、神经网络运行(PNET/RNET/ONET 网络深度也就6层上下，跑起来很快的）
(1) PNet
假设minFaceSize=160 , 由于factor 设置为0.709 , 160/(0.709^5) <1000 < 160/(0.709^6)
所以PNet + 图片缩放会执行6次。
(2) RNet
取决于PNet给出的候选框个数，有多少个候选框，就要crop+resize图片，然后喂给神经网络
(3) ONet
取决于RNet给的候选框个数。其他同(2)。
这一步，明显会比(2) 中的少很多。

之前的回复，是我在一个很普通平板测试的(看抖音都热得烫手)。

[dl8207531]

我试了下确实能做到100ms以内，是我搞错了