darknet_face_with_landmark 更新 torch版本： 借鉴AlexeyAB大神的 做适量修改，用于人脸检测以及关键点检测,支持ncnn推理 实现的功能 添加关键点检测分支，使用wing loss 添加 hswish,hsigmode 激活函数 Installation Clone and install git clone 使用scripts/retinaface2yololandmark.py脚本将retinaface的标记文件转为yolo的格式使用 其他编译训练都和原版darknet相同 测试 ./darknet detector test ./data/face.data ./cfg/mbv2_yolov3_face.cfg ./models/mbv2_yolov3_face_final.weights ./test_imgs/input/se

SOLOV2 ncnn the C++ version of SOLOV2 with ncnn ncnn 模型 链接: 密码: phh8 mkdir build cd build cmake .. make ./solov2 ../imgs/horses.jpg ./solov2_fast ../imgs/horses.jpg 结果展示

Ncnn_FaceTrack 基于mtcnn人脸检测+ onet人脸跟踪，在i7-9700k的cpu检测速度可高达250fps MNN基于mtcnn人脸检测+ onet人脸跟踪，在i7-9700k的cpu检测速度可高达500fps。 开发环境 赢7 vs2015 开源框架 引用 这是一个移动端快速视频多人脸跟踪的开源项目，这个项目是基于mtcnn人脸检测加上最简单的模板匹配进行人脸跟踪的，算法简单但效果显着，移动端速度可以达到150帧以上，该项目的特点是可实现多人脸跟踪。 代码算法解析 HyperFT项目的多人脸跟踪算法分三大部分： 第一部分是初始化，通过mtcnn的人脸检测识别第一帧的人脸位置然后将其结果对人脸跟踪进行初始化； 第二部分是更新，利用模板匹配进行人脸目标位置的初步预判，再结合mtcnn中的onet来对人脸位置进行更为精细的定位，最后通过mtcnn中的rnet的放置信度来

nccn论文代码

主要介绍了Windows下ncnn环境配置（VS2019）,本文通过图文并茂的形式给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下

ncnn在Android的一个测试，包含了人脸检测(face detection)，人脸属性(face attributes)，人脸识别(face recognition)。车辆检测(Vehicle detection)，车牌检测(plate detection)，车牌识别(plate recognition)；人头检测(head detection)的流程 ncnn_android_face_vehicle ncnn在Android的一个测试,包含了人脸检测(face detection),人脸属性(face attributes),人脸识别(face recognition);车辆检测(Vehicle detection),车牌检测(plate detection),车牌识别(plate recognition);人头检测(head detection)的流程 致谢 NCNN:https://github.com/Tencent/ncnn MobileNetSSD_Demo_AndroidNCNN:https://github.com/chentyjpm/MobileNetS

2021.3.21: 对模型结构进行细微调整优化，更新Yolo-Fastest-1.1模型 2021.3.19: NCNN Camera Demo 2021.3.16: 修复分组卷积在某些旧架构GPU推理耗时异常的问题 :high_voltage:Yolo-Fastest:high_voltage: Simple, fast, compact, easy to transplant A real-time target detection algorithm for all platforms The fastest and smallest known universal target detection algorithm based on yolo Optimized design for ARM mobile terminal, optimized to support reasoning framework Based on N

yolov5转化成onnx的模型和 NCNN模型

主要介绍了tensorflow模型转ncnn的操作方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

ncnn-android-squeezenet 挤压图像分类 这是一个示例ncnn android项目，它仅取决于ncnn库 如何构建和运行 步骤1 下载ncnn-android-vulkan.zip或自己为Android构建ncnn 第2步 将ncnn-android-vulkan.zip解压缩到app / src / main / jni或在app / src / main / jni / Android.mk中将ncnn路径更改为您的ncnn路径 第三步 使用Android Studio打开此项目，进行构建并享受！ 截屏