主要介绍了基于Android studio3.6的JNI教程之ncnn之人脸检测mtcnn功能，本文通过实例代码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

Mtcnn-light的C++实现，无需任何框架，将caffe模型转换为txt格式，cpu下进行。

mtcnn对齐facenet部署 项目简介 本项目参考了bubbliiiing的和两个工程，在此对作者表示感谢！ 这两个工程都是keras模型，所提供的模型文件都只有权重没有网络结构，我利用作者提供的网络定义和权重文件重新生成了带有网络结构的权重文件。某个原始先只有权重的模型文件pnet.h5 ，生成包含网络结构和权重的模型文件PNET.h5 。接着用keras2onnx工具把它（ PNET.h5 ）转换成onnx模型pnet.onnx ，其他胶水部分的逻辑没什么变化。具体的转换代码请参考keras_onnx.py文件。 另外我还尝试了将keras h5模型转成tensorflow pb模型，具体代码请参考h5_to_pb.py文件。需要注意的是：每个tensorflow PB请模型单独执行h5_to_pb.py脚本生成。 （每次修改weight_file参数） 如果你想简单地测试一下mt

python mtcnn年龄性别预测 ，包含模型 可直接运行 (自己安装缺失的python库)

python中使用TF2实现MTCNN的完整推理

人脸检测MTCNN算法，采用tensorflow框架编写，从理解到训练，中文注释完全，含测试和训练，支持摄像头

ubuntu系统16.04，基于caffe框架的MTCNN模型训练全套数据，包含已经训练好的模型，需要用的训练数据以及训练过程中间产生的数据。

该压缩包里包含了人脸检测中比较靠谱的MTCNN以及NCNN算法的实现工程，经过本人亲自测试，人脸检测的准确度高，误检率比较低。甩VJ算法好几条街。

**DFace** 是个开源的深度学习人脸检测和人脸识别系统。所有功能都采用　**[pytorch](https://github.com/pytorch/pytorch)**　框架开发。pytorch是一个由facebook开发的深度学习框架，它包含了一些比较有趣的高级特性，例如自动求导，动态构图等。DFace天然的继承了这些优点，使得它的训练过程可以更加简单方便，并且实现的代码可以更加清晰易懂。 DFace可以利用CUDA来支持GPU加速模式。我们建议尝试linux GPU这种模式，它几乎可以实现实时的效果。

基于mtcnn方法实现人脸对齐，人脸检测，c++代码实现。