[置顶] MTCNN算法提速（ARM测试结果评估）（持续更新中。。。）

mtcnn算法工程应用的系列博客博主已经介绍了一部分了，可参考下列博客：
人脸检测之MTCNN训练自己的数据（仅供参考，部分代码尚未公开！）

mtcnn-light模型转换程序及mtcnn用于行人检测效果展示

MTCNN的windows-cpu配置

注意：mtcnn不光可以检测人脸，只要是接近正方形的物体，都是可以检测的，例如象棋、车尾、字符等，而且检测速度很快，相比其他固定图像大小输入的深度学习算法（如SSD或YOLO）有着不可超越的优势。博主可以帮忙训练提供模型！

经博主测试，mtcnn原三层网络如果用于工程测试，误检情况严重，在fddb上测试结果也是，经常将手或者耳朵检测为人脸，这个很头疼，所以重新训练显得尤为重要！
博主的改进方法及如何重新训练的就不具体介绍了，主要思想就是用卷积取代池化，这里展示下改进后的算法效果吧！

测试软件：vs2015
测试硬件：i7-4790-4core



尾注：1、图中可以看出，在满足一定的准确率情况下，速度得到了很大提升，而且测试时一定程度上降低了误检，可满足一定的工程应用！
          2、我用的是MTCNN-light作为测试程序，FDDB的测试也是通过此代码。
          3、FDDB测试效果和作者上传的FDDB测试效果不同，不知道是为什么？难道是因为MTCNN-light？知道原因的小伙伴麻烦告知我下！

-----------------------------------------------更新（2017.11.15）-------------------------------------------------
方法：通过修改网络（保留了原12x12网络），三层网络分别设为12x12，18x18和24x24
测试：1、1920x1080视频，最小检测人脸为60，速度为75ms，精度影响不大
          2、640x480视频，最小检测人脸为30，速度为46ms，精度影响不大
-----------------------------------------------更新（2017.12.28）-------------------------------------------------
方法：通过修改网络（三层网络结构全部修改），三层网络分别设为12x12，18x18和24x24
测试：1920x1080视频，最小检测人脸为60，速度为60ms，精度影响不大

-----------------------------------------------更新（2018.01.13）-------------------------------------------------
方法：基于上次更新的网络结构，再次重构12x12网络（离散ROC-0.85）
测试：1920x1080视频，最小检测人脸为60，速度为29ms！（一定程度上已经超越shiqiYu）
          640x480视频，最小人脸为25，速度为23ms！

-----------------------------------------------更新（2018.01.18）-------------------------------------------------
硬件：香橙派，全志A64芯片，4核64位Cortex-A53，市场价格240元！
测试：640x480视频，最小检测人脸80，速度45ms！
-----------------------------------------------更新（2018.01.31）-------------------------------------------------
基于更新（2018.01.13），添加了5个特征点回归（landmark），特征点回归准确无误！

尾注：1、某些公开的非官方mtcnn训练方法有误！只可参考，不可深入！
          2、Complete TRAINING code can not be shared！Sorry！

任何问题请加唯一QQ2258205918（名称samylee）！