如何提高 dnn_mmod_face_detection 示例的速度
How to increase speed of dnn_mmod_face_detection example
我正在创建程序来模糊视频中的人脸，我想使用
http://dlib.net/dnn_mmod_face_detection_ex.cpp.html
作为面部识别的基础，因为它具有很好的效果并且使用起来非常简单。但问题是——处理单张图像大约需要 75 秒，而且时间相当长。在没有启用 cuda 的情况下编译了 dlib 库。我的 GPU 是 nvidia geforce gtx 560 ti - 它支持 cuda，但不支持 cudnn，只要知道，没有这两个库，就不可能编译支持 cude 的 dlib。那么，因为我不能在本地使用 GPU 加速，有什么办法可以提高程序的速度吗？我对 OpenMP 有一些经验，但我不知道我是否可以在这里使用，因为示例中最长的部分 - 这一行
auto dets = net(img);
我只有一个建议，但你试过简单地使用 OpenCV 库来模糊人脸吗？
它支持GPU加速。您可以在此处阅读有关 UMat class 的更多信息：https://jeanvitor.com/opencv-opencl-umat-performance/。您可以简单地对这些对象使用 GaussianBlur、MedianBlur 或您喜欢的任何东西。
您的结果是在没有 GPU 支持的情况下使用 Dlib 的 DNN 的典型结果。没有任何有意义的方法来加速实际代码。它已经是多线程和 SIMD / AVX 优化的。要进一步加速它需要大量的努力，可能还需要一些汇编代码工作。
但可能还有其他选择...下面的很多建议取决于您的要求（例如，要拍摄的最小面部尺寸、相机设置等）
根据源视频的分辨率和要捕获的最小人脸大小，您可以使用 0 作为第二个参数来调用检测：
detector(image,0)
这表示您不想对输入图像进行任何放大。目前我面前没有文档，但我相信可以检测到的最小面部尺寸为 80px x 80px，这可能适用于您的情况。
另一个选择，沿着相同的路线是在处理之前对图像进行降采样。假设您在每个维度上对图像进行 2 次采样并使用 detector(image,0) 调用进行调用，您将只能检测到大小为 160px x 160px 的人脸。但是处理速度应该快4倍
如果您可以概括出人脸永远不会出现的地方，您可以将图像裁剪到相关区域并执行检测。然后只需修改检测框即可反转裁剪。
如果您不能概括，那么您可能会使用不同的 "pre-detector"，它比 OpenCV 的全身和上半身 haarcascade 更快。然后使用这些 pre-detections 的输出将图像裁剪成更小的图像，并对这些裁剪进行 DNN 检测。
我正在创建程序来模糊视频中的人脸，我想使用
http://dlib.net/dnn_mmod_face_detection_ex.cpp.html
作为面部识别的基础，因为它具有很好的效果并且使用起来非常简单。但问题是——处理单张图像大约需要 75 秒，而且时间相当长。在没有启用 cuda 的情况下编译了 dlib 库。我的 GPU 是 nvidia geforce gtx 560 ti - 它支持 cuda，但不支持 cudnn，只要知道，没有这两个库，就不可能编译支持 cude 的 dlib。那么，因为我不能在本地使用 GPU 加速，有什么办法可以提高程序的速度吗？我对 OpenMP 有一些经验，但我不知道我是否可以在这里使用，因为示例中最长的部分 - 这一行
auto dets = net(img);
我只有一个建议，但你试过简单地使用 OpenCV 库来模糊人脸吗？
它支持GPU加速。您可以在此处阅读有关 UMat class 的更多信息：https://jeanvitor.com/opencv-opencl-umat-performance/。您可以简单地对这些对象使用 GaussianBlur、MedianBlur 或您喜欢的任何东西。
您的结果是在没有 GPU 支持的情况下使用 Dlib 的 DNN 的典型结果。没有任何有意义的方法来加速实际代码。它已经是多线程和 SIMD / AVX 优化的。要进一步加速它需要大量的努力，可能还需要一些汇编代码工作。
但可能还有其他选择...下面的很多建议取决于您的要求（例如，要拍摄的最小面部尺寸、相机设置等）
根据源视频的分辨率和要捕获的最小人脸大小，您可以使用 0 作为第二个参数来调用检测：
detector(image,0)
这表示您不想对输入图像进行任何放大。目前我面前没有文档，但我相信可以检测到的最小面部尺寸为 80px x 80px，这可能适用于您的情况。
另一个选择，沿着相同的路线是在处理之前对图像进行降采样。假设您在每个维度上对图像进行 2 次采样并使用 detector(image,0) 调用进行调用，您将只能检测到大小为 160px x 160px 的人脸。但是处理速度应该快4倍
如果您可以概括出人脸永远不会出现的地方，您可以将图像裁剪到相关区域并执行检测。然后只需修改检测框即可反转裁剪。
如果您不能概括，那么您可能会使用不同的 "pre-detector"，它比 OpenCV 的全身和上半身 haarcascade 更快。然后使用这些 pre-detections 的输出将图像裁剪成更小的图像，并对这些裁剪进行 DNN 检测。