我正在尝试使用OpenVino python API运行MTCNN人脸检测，但是，转换后的模型的性能大大降低了原始模型的性能。我想知道如何获得类似的结果。
我使用以下命令将mtcnn caffe models转换为OpenVino * .xml和* .bin文件。
python3 mo.py --input_model path/to/PNet/det1.caffemodel --model_name det1 --output_dir path/to/output_dir
python3 mo.py --input_model path/to/RNet/det2.caffemodel --model_name det2 --output_dir path/to/output_dir
python3 mo.py --input_model path/to/ONet/det3.caffemodel --model_name det3 --output_dir path/to/output_dir
并使用step_by_step mtcnn jupyter notebook来检查转换后的模型的性能。
但是使用OpenVino模型的检测结果大大降低了。要重新生成结果，您只需要在笔记本中加载OpenVino模型而不是pytorch模型即可。
要重新生成结果，请执行以下步骤。
克隆https://github.com/TropComplique/mtcnn-pytorch.git
并使用this jupyter notebbok
如您所见，在P-Net之后的第一阶段中，检测到的盒子比原始模型step_by_step mtcnn jupyter notebook中检测到的盒子更多。
您对此有何评论？看起来在模型转换中没有问题，唯一的区别是pytorch具有可变的张量大小（FloatTensor），但是对于OpenVino，我必须为每个比例重塑输入大小。这可能是获得不同结果的原因，但是我无法解决此问题。
最佳答案
我经历了我可能犯的所有可能的错误，并检查了参数以从list_topologies.yaml转换mtcnn模型。该文件随OpenVino安装一起提供，并列出参数，例如刻度平均值等。
最后，我通过使用MXNET预训练的MTCNN networks解决了该问题。
希望这对可能遇到此问题的其他用户有所帮助。
关于python - 使用OpenVino运行MTCNN，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56682575/