轻量级人脸相关模型 - 基于ncnn测试
我向来关注轻量级模型，毕竟依托少，可以穷玩。
打算写个win Demo，简便的直接感受下各种模型的效果。
【人脸检测】
早期关注过的 cascade框架有：
- opencv-haar/lbp
- npd https://github.com/wincle/NPD
- pico https://github.com/nenadmarkus/pico
- acf https://github.com/pdollar/toolbox
这里就只考虑轻量级深度模型，确实，至少目前，性能远好于cascade框架；
有段时间我很喜欢mtcnn框架，从进化的角度看，算是cascade与end2end的一个过渡物种，显式的多尺度与coarse-to-fine设计，很直观。不过从现在回望，速度与性能都被超越了，是老框架的落寞，也有技术进化的欣喜。
这里记录我看到过且在ncnn测试过的，主要关注end2end， 如果路过的你知道其他好的轻量级模型，望您不吝留言告知。
[20200416]
- CenterFace： https://github.com/Star-Clouds/CenterFace ，可惜small模型不公开
- LFFD： https://github.com/YonghaoHe/A-Light-and-Fast-Face-Detector-for-Edge-Devices
- UltraFace： https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB ，速度真的快，我就用（320x240-RBF模型）
[20200418]
- UltraFace :https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB （640 x 480-RBF模型 ）
【人脸特征点标定】
几年的时间，这个技术算是被做烂了，虽然目前外部公开的模型感觉都不是很精确，应该是私藏了。
趋势：保证精度，控制模型大小，往稠密化发展。
[20200416]
- modify shufflenet：没开源
- PFLD-lite ：https://github.com/xindongzhang/MNN-APPLICATIONS/tree/master/applications
[20200418]
- lnet112：https://github.com/tenx6/ncnn_106landmarks/tree/master/models
【测试Demo】
界面：可以打开图像、视频、摄像头等数据来源，切换查看功能效果
里面包含CPU与GPU
要使用GPU，请确保安装成功：vulkan SDK https://www.lunarg.com/vulkan-sdk/
