目录
一、libfacedetection 性能介绍
英特尔CPU 使用AVX2指令集 使用AVX512指令集
嵌入式设备
二、加速检测速度
libfacedetetion的前向推理速度很快的原因
使用axv2加速指令
一、libfacedetection 性能介绍
在上一篇文章中，我发现使用摄像头检测，构建方式为Release,检测耗时150ms左右。但是该项目github主页上的性能介绍是这样的：
英特尔CPU 使用AVX2指令集 使用AVX512指令集
嵌入式设备
二、加速检测速度
libfacedetetion的前向推理速度很快的原因
作者主要使用了三个策略：
1 . 地址分配得当，从而使得conv，pooling等含有大量运算的模块可以做到连续访存。
2. arm上的neon加速指令和intel cpu上的avx2加速指令的使用，这两个指令集分别可以使得连续四地址或者连续八地址的内存进行并行计算。1，2策略的结合使得运算速度大大提高。
3. 对计算量最大的conv模块进行了量化操作，开发了对应的int类型运算。
使用axv2加速指令
需要修改两个地方：
1、修改你项目工程的CMakeList.txt，增加以下内容
主要是AVX2指令可以加速检测，openMP有10ms左右的加速作用
2、修改facedetectorcnn.h文件
取消AVX2的注释
现在摄像头输入1920*1080尺寸的检测耗时是70ms左右
于老师测试用的是 intel i7-7820,输入尺寸未640*480单线程检测耗时50ms
yolov5n OpenCV DNN 推理 同尺寸摄像头输入 耗是140ms，相比较而言，libfacedetection确实快
有空得研究多线程，个位数的耗时也太诱人了！
参考：
libfacedetection 框架阅读及扩展经验_libfacedetection 解析_Rick51的博客-CSDN博客
libfacedetection 让人脸检测如此简单_AndroidKt的博客-CSDN博客
