改进的轻量化人脸识别算法
嵌入式平台计算资源有限,无法实时运行计算量和参数量巨大的深度学习模型.基于mobilenet v2提出一种改进的轻量化人脸识别算法L-mobilenet v2,首先对原有网络结构进行优化,然后以三元损失函数为主,将传统分类任务中的softmax损失改为Am-softmax作为辅助损失函数,使用10575个人的49万张图片进行联合训练.相比于改进前的模型及训练方法,新模型在LFW测试集和自制数据集的识别准确率达到98.56%和95%,将模型参数量缩减72.3%的同时将识别准确率提高了 1.56%和7.1%,在嵌入式平台Jetson nano上的平均识别帧率提升了 36.3%.该模型可以在计算资源受限的移动端实时运行.
嵌入式平台、深度学习、人脸识别、轻量化网络、mobilenetv2模型、softmax损失、Am-softmax损失、Jet-sonnano平台
18
TP391.4(计算技术、计算机技术)
陕西省教育厅专项科研项目21JK0732
2023-07-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
544-551