1. libfacedetection
模型结构也比较简单，就是一个轻量级的 SSD 架构，共四个定位层，而且借鉴了 RetinFace 的关键点方法，可以同时回归 5 个关键点。模型体积只有 232 万，体积仅有 3.34 M。
2. Ultra-Light-Fast-Generic-Face-Detector-1MB
该模型是针对边缘计算设备设计的人脸检测模型。并提供了精简网络和 RFB 网络两种，在 320×240 的输入分辨率下 90~109 FPS 左右。
3. A-Light-and-Fast-Face-Detector-for-Edge-Devices
从名字可以看出来，这也是一个面向边缘设备的检测模型，该模型同样是 SSD 架构的，不过相比前述两个模型，该模型有八个定位层，分别对应 tiny、small、medium 和 large 四个尺度，backbone 网络共有 25 个卷积层。该模型在 Nvidia TX2 下，320×240 分辨率下可以达到 50.92 FPS。另外，该 repo 还提供了人头检测、行人检测、车辆检测的代码和模型。
4. CenterFace
CenterFace 是 anchor free 的模型结构，应该算是 CenterNet 针对人脸检测任务的特例，这一点上跟 RetinaFace 作为 RetinaNet 的在人脸任务的特例有异曲同工之妙，而且该模型同时回归了五个关键点。该网络的 backbone 是 MobileNetV2，额外添加了 FPN 结构。
5. DBFace
DBFace 是一个 Anchor Free 的网络结构，模型原理可以说与 CenterFace 非常相似。
6. RetinaFace MobileNet0.25
这个项目来自于知名的 InsightFace 项目，该项目在 Github 有 6.4k star，InsightFace 提出了知名的 RetinaFace、ArcFace 算法，而且开源了详细的训练代码和预训练模型，可以说是非常良心的开源项目。