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、mobilenet、mobilenet_v2、googlenet等人工智能領域經典神經網絡算法。（benchmark由來：）

▊ 對比結果顯示

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，支持跨平臺，計算速率極快，內存占用極低等特點，ncnn的速度快于目前所有已知的開源框架。

▊ 騰訊視頻優圖開放性app平臺

其測試環境更貼近實際運用，基于騰訊平臺開放自由的特點，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。

對于人力智慧方向的圖像匹配新星，在今年介紹，在LFW庫（注釋：Labeled Faces in theWild的簡稱，由馬薩諸塞大學于2007年建立，用于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%，相較于第二位的MobileFaceNet，誤識別系統率削減了18%。

▊ LFW臉部辨認神經網絡算法準確度最后

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余名VMFace計算方法項目團隊全體成員相同努力奮斗的成果，更要VMFace算法為基礎不間斷發展進步的論證。

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、公安系統等方面得到了廣泛的使用，擁有VMFace算法的視覺偉業，基于人臉識別技術的應用面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：所述比的周圍神經無線網絡圖像匹配詳情以上論文題目描敘：

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

[2]MobileNets: Efficient ConvolutionalNeural Networks for Mobile Vision Applications

[3]MobileNetV2: 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