---
title: face_detect
canonical_url: "https://www.modelscope.cn/models/gaosheng/face_detect"
md_url: "https://www.modelscope.cn/models/gaosheng/face_detect.md"
repository: gaosheng/face_detect
chinese_name: "人脸识别"
last_updated: 2023-12-22
license: "MIT License"
pipeline_tag: face-detection
tasks:
  - face-detection
library_name:
  - pytorch
frameworks:
  - pytorch
domain:
  - cv
downloads: 5672
stars: 6
tags:
  - DamoFD
  - ICLR23
---

# face_detect

> face_detect - gaosheng 在 ModelScope 开源的模型。人脸识别

gaosheng/face_detect 是 ModelScope 魔搭社区上的face-detection模型，采用 MIT License 许可。

- **Repository**: gaosheng/face_detect
- **License**: MIT License
- **Tasks**: face-detection
- **Tags**: DamoFD, ICLR23
- **Downloads**: 5672
- **Stars**: 6
- **Last updated**: 2023-12-22

Source: https://www.modelscope.cn/models/gaosheng/face_detect

---

# DamoFD-0.5G 模型介绍
轻量级人脸检测模型DamoFD-0.5G。

## 说明
参考 DamoFD人脸检测关键点模型-34G 模型

## 模型描述
Motivation: 目前的Nas方法主要由两个模块组成，网络生成器和精度预测器。其中网络生成器用于生成候选的backbone结构，精度预测器用来对采样的backbone结构预测精度。由于检测和分类的任务目标不一致，前者更重视backbone stage-level (c2-c5)的表征，而后者更重视high-level(c5)的表征，这就导致了用于分类任务上的精度预测器擅长预测high-level的表征能力而无法预测stage-level的表征能力。因此，在人脸检测任务上，我们需要一个可以预测stage-level表征能力的精度预测器来更好的搜索face detection-friendly backbone。DamoFD: 针对如何设计可以预测stage-level表征能力的精度预测器，我们从刻画network expressivity的角度出发，创新性地提出了SAR-score来无偏的刻画stage-wise network expressivity，同时基于数据集gt的先验分布，来确定不同stage的重要性，进一步提出了DDSAR-score 来刻画detection backbone的精度。论文已被ICLR2023接收，更多代码细节以及modelscope应用可以前往[EasyFace_DamoFD](https://github.com/ly19965/FaceMaas/tree/master/face_project/face_detection/DamoFD)。

## 模型使用方式和使用范围
本模型可以检测输入图片中人脸的位置。