面向移动设备的人脸识别知识蒸馏技术实践

摘　要：人脸识别作为一种重要的人机交互入口，被广泛地应用于安防监控、智能支付、社交媒体等行业。为了获得较高的人脸识别精度，通常采用结构复杂且参数量较多的神经网络，导致在计算资源受限的移动设备或嵌入式硬件上难以使用。针对移动设备人脸识别模型小型化需求，介绍和分析神经网络知识蒸馏技术及其在提升模型效率和保持精度上的实践。

【分　类】 【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
【关键词】 移动设备 知识蒸馏 人脸识别
【出　处】 《移动信息》2020年 第04期 51-54页　共4页
【收　录】 中文科技期刊数据库

【参考文献】
［1］ Howard A，Zhu M，Chen B，et al. MobileNets：Efficient Convolutional Neural Networks for Mobile Vision Applications ［J/OL］. https：//arxiv.org/pdf/1704.04861.pdf，2017.［2］ Yang T，Chen Y，Sze V，et al. Designing Energy-Efficient Convolutional Neural Networks Using Energy-Aware Pruning［J/OL］. https：//arxiv.org/pdf/1611.05128.pdf，2017.［3］ Hinton G E， Vinyals O， Dean J， et al. Distilling the Knowledge in a Neural Network［J/OL］. https：//arxiv.org/pdf/1503.02531.pdf ，2015. ［4］ Romero A，Ballas N，Kahou S E，et al. FitNets：Hints for Thin Deep Nets［J/OL］. https：//arxiv.org/pdf/1412.6550.pdf ，2014.［5］ Tung F，Mori G. Similarity-Preserving Knowledge Distillation［J/OL］. https：//arxiv.org/pdf/1907.09682v2.pdf，2019.［6］ Taigman Y，Yang M，Ranzato M，et al. DeepFace： Closing the Gap to Human-Level Performance in Face Verification［C］// Computer Vision and Pattern Recognition，2014：1701-1708.

原文预览