OpenCVとYOLOv5での顔認識速度の比較

Question

前提・実現したいこと

顔認識システムを開発導入しようとしています。
そこで、認識精度や認識時間を考慮して、
OpenCV、カスケード分類器を使ったシステムにしようと考えています。

疑問

いろいろなところに、
「OpenCV、カスケード分類器はYOLOv5（ニューラルネットワーク）に比べて、
認識にかかる時間が短い（演算量が少ない）」と書いてありますが、
この2つの認識時間や演算量を比較した文献などはないのでしょうか。
大勢の方は何を根拠に書いているのでしょうか。

試したこと

Google ScholarやGoogle検索で
OpenCV YOLOv5 speed
OpenCV YOLOv5 recognition time
OpenCV YOLOv5 comparison
などと調べましたが、それっぽい情報は全く出てきませんでした。

Answer 1

大勢の方は何を根拠に書いているのでしょうか。

時代背景です。自明すぎて比較するまでもありません。これが答えだと思います。

カスケード（大方Haar-like）はガラケーやデジカメでも耐えられる技術です
。ハードとソフトの事情で性能を上げたくても上げられなかった時代の技術です。

YOLOは行列の計算をふんだんに使っているため、CPU（もしくはGPU）による並列計算のほか膨大なメモリ（例えば1GB）が必要です。GoogleのmediapipeのようにCPUでも実用たる速度で検出できるようにはなっています。

こういう具合ですので、これらの処理は当時のハードだと計算が遅いとか、ラグるとかそういう次元ではなく「そもそも計算できない」くらいの計算量が必要です。

性能的には直感でHaar-likeは検出率70%、YOLO系は95%超とか（顔が大きく映っていれば人種を問わずほぼ100％とか）そういうオーダーの話です。

Answer 2

大勢の方は何を根拠に書いているのでしょうか

YOLO のような CNN ネットワークは畳み込みに大量の演算が必要なため、CPU 実行の場合、カスケード分類器より時間がかかります。

この2つの認識時間や演算量を比較した文献などはないのでしょうか。

実際に時間を測ってみるといいと思います。明らかな差が出ます。