近日，VMFace团队以腾讯开源的ncnn神经网络框架作为benchmark测试基准

，在嵌入式板瑞芯微RK3399上进行了算法性能测试， VMFace算法以平均耗时71.55ms的速度
，远远超过了squeezenet

、mobilesnet

、mobilesnet_v2、googlenet等人工智能领域经典神经网络算法。（benchmark来源：）

▊ 评测结果

      神经网络框架ncnn是腾讯优图实验室首个开源项目
，是一个为移动终端极致优化的高性能神经网络前向计算框架
。它具有无第三方依赖
，支持跨平台
，计算速率极快，内存占用极低等特点
，ncnn的速度快于目前所有已知的开源框架。

▊ 腾讯优图开放平台

      其测试环境更贴近实际运用，基于腾讯平台开放自由的特点，测试数据数量更多，规模更大
。同时这些测试数据均不公开
，有效避免算法过拟合甚至是作弊手段
，测试结果更具权威性
。此次，VMFace算法的速度以绝对的优势超过了目前业界知名的神经网络算法，这是视觉伟业公司深耕技术的结果。

      作为人工智能领域的算法新秀，今年5月
，在LFW库（注释：Labeled Faces in theWild的简称
，由马萨诸塞大学于2007年建立，用于评测非约束条件下的人脸识别算法性能，是国际权威的人脸识别公开数据集。）中的评测，VMFace算法精度高达99.63%，相较于第二位的mobilesFaceNet，误识别率降低了18%。

▊ LFW人脸识别算法精度结果

     如今
，以ncnn作为测试基准，VMFace又证明了自己在计算速度上的优势，这是Leo博士带领50多名VMFace算法团队成员共同努力的结果，更是VMFace算法不断发展的见证
。

     随着现代计算机技术的发展，人脸识别技术在安全验证
、人机交流、公安系统等方面得到了广泛的使用
，拥有VMFace算法的视觉伟业，基于人脸识别技术的应用面向广大用户提供智慧安防

、智慧交通、智慧商业领域的解决方案

，为智慧城市插上腾飞的翅膀。

PS
：上述比较的神经网络算法详见以下论文描述：

[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