科研之友
微信
新浪微博
Facebook
分享链接
摘要
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10 575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。
- 出版日期2023
- 单位机电工程学院; 西安建筑科技大学
