facerecognize-for-mobile-phone

适用于移动端的人脸识别模型，计算量于mobilefacenet相同，但megaface上提升了2%+。我训练的mobilefacenet在megaface VER上比原作者 高出了2%,因为训练的数据和方法不一样。

模型在各个数据集上表现如下：

Methods	Flops (112x112)	LFW	CFP-FP	AgeDB	Megaface-Id	Megaface-Ver@1e-6	备 注
MobileFaceNet440,R	440M	99.70+	96.70+	96.95+	92.85+	94.20+	未开源
ZW350	356M	99.70+	96.82+	97.00+	93.90+	94.70+	未开源
ZW400	404M	99.70+	96.95+	97.00+	94.46+	95.60+	未开源
MobileFaceNet600,R	612M	99.76+	97.60+	97.50+	95.14+	95.98+	已开源
ZW440	444M	99.76+	97.30+	97.40+	95.25+	96.00+	已开源

Megafce测试结果图

zw440-id

zw440-ver

速度比对测试

设备：i5-6500(暂时没有移动设备测试)

Methods	Openvino	opencv单线程
MobileFaceNet600,R	6ms	141ms
ZW440	7ms	80ms

移动设备

经过测试，zw440并没有Mobilefacenet600M快.感谢moli的测试

模型地址

模型包含mxnet ncnn caffe 三种格式 Baidu Drive 提取码：b0dm

训练数据

https://github.com/deepinsight/insightface/tree/master/iccv19-challenge

参考项目

https://github.com/deepinsight/insightface

https://github.com/happynear/FaceVerification

https://github.com/Tencent/ncnn

https://github.com/cypw/MXNet2Caffe

Todo

没有做速度方面考虑，后期跟进改善。