近日 ，VMFace團隊以騰訊開源的ncnn神經網絡框架作為benchmark測試基準 ，在嵌入式板瑞芯微RK3399上進行了算法性能測試 ， VMFace算法以平均耗時71.55ms的速度 ，遠遠超過了squeezenet 、mobilesnet 、mobilesnet_v2 、googlenet等人工智能領域經典神經網絡算法 。（benchmark來源 ：）

▊ 評測結果

      神經網絡框架ncnn是騰訊優圖實驗室首個開源項目 ，是一個為移動終端極致優化的高性能神經網絡前向計算框架 。它具有無第三方依賴 ，支持跨平台 ，計算速率極快 ，內存占用極低等特點 ，ncnn的速度快於目前所有已知的開源框架 。

▊ 騰訊優圖開放平台

      其測試環境更貼近實際運用 ，基於騰訊平台開放自由的特點 ，測試數據數量更多 ，規模更大 。同時這些測試數據均不公開 ，有效避免算法過擬合甚至是作弊手段 ，測試結果更具權威性 。此次 ，VMFace算法的速度以絕對的優勢超過了目前業界知名的神經網絡算法 ，這是視覺偉業公司深耕技術的結果 。

      作為人工智能領域的算法新秀 ，今年5月 ，在LFW庫（注釋 ：Labeled Faces in theWild的簡稱 ，由馬薩諸塞大學於2007年建立 ，用於評測非約束條件下的人臉識別算法性能 ，是國際權威的人臉識別公開數據集 。）中的評測 ，VMFace算法精度高達99.63% ，相較於第二位的mobilesFaceNet ，誤識別率降低了18% 。

▊ LFW人臉識別算法精度結果

     如今 ，以ncnn作為測試基準 ，VMFace又證明了自己在計算速度上的優勢 ，這是Leo博士帶領50多名VMFace算法團隊成員共同努力的結果 ，更是VMFace算法不斷發展的見證 。

     隨著現代計算機技術的發展 ，人臉識別技術在安全驗證 、人機交流 、公安係統等方麵得到了廣泛的使用 ，擁有VMFace算法的視覺偉業 ，基於人臉識別技術的應用麵向廣大用戶提供智慧安防 、智慧交通 、智慧商業領域的解決方案 ，為智慧城市插上騰飛的翅膀 。

PS ：上述比較的神經網絡算法詳見以下論文描述 ：

[1]SqueezeNet: AlexNet-level accuracywith 50x fewer parameters and <0.5MB model size

[2]mobilesNets: Efficient ConvolutionalNeural Networks for mobiles Vision Applications

[3]mobilesNetV2: Inverted Residuals andLinear Bottlenecks

[4]GoogLeNet: Going Deeper withConvolutions

[5]ImageNet:Classification with DeepConvolutional Neural Networks

[6]resnet:Deep Residual Learning forImage Recognition

[7]VGG16:Very Deep Convolutionalne Works For Large-scale Image Recognition