c++ - 如何提高 dnn_mmod_face_detection 示例的速度

Question

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
作为人脸识别的基础，因为它具有很好的效果并且使用起来非常简单。但问题是 - 处理单个图像大约需要 75 秒，而且相当长。 dlib 库是在未启用 cuda 的情况下编译的。我的 GPU 是 nvidia geforce gtx 560 ti - 它支持 cuda，但不支持 cudnn，只要知道，如果没有这两个库，就不可能用 cude 支持编译 dlib。那么，因为我不能原生使用 GPU 加速，有没有办法提高程序的速度？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);

Answer 1

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可以加速实际代码。它已经是多线程和 SIMD/AVX 优化的。要进一步加快速度，需要付出巨大的努力，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，要捕捉的最小面部尺寸、相机设置等)

根据源视频的分辨率和要捕获的最小人脸尺寸，您可以使用 0 作为第二个参数调用检测:

detector(image,0)

这将表明您不想对输入图像进行任何放大。目前我面前没有文档，但我相信在没有放大的情况下可以检测到的最小面部尺寸是 80px x 80px，这可能适用于您的情况。

与此相同的另一种选择是在处理之前对图像进行下采样。假设您在每个维度中将图像向下采样两个并使用 detector(image,0) 调用调用，您将只能检测到大小为 160 像素 x 160 像素的人脸。但是处理速度应该快4倍。

如果您可以概括人脸永远不会出现的地方，则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。

如果您无法概括，那么您可能会使用更快的不同“预检测器”，例如 OpenCV 的全身和上半身 haarcascades。然后使用这些预检测的输出将图像裁剪成更小的图像，并对这些裁剪执行 DNN 检测。