典型文献
基于边云协同的人脸识别方法研究
文献摘要：
人脸识别被广泛应用于购物、安检、出行、支付和考勤等日常生活中,人脸识别系统需要大的算力与存储空间,因此往往将需要识别的人脸通过网络传送到云平台进行识别,但网络覆盖、拥塞或延时等问题造成人脸识别系统难以满足实际应用的需求,用户体验差.针对人脸识别中存在的问题,提出了基于边云协同的人脸识别方法.该方法结合云计算的处理能力和边缘计算的实时性,使人脸识别系统不受网络状态的约束,应用更加广泛,用户体验更好.在云端,提出了LResNet特征提取方法,改进了ResNet34网络结构,并利用ArcFace人脸损失函数监督训练过程,使网络学习到更多的人脸角度特性;在边缘端,针对计算资源和存储资源有限的问题,提出了SResNet特征提取方法,利用深度可分离卷积轻量化LResNet网络结构,大大减少了网络参数和计算量.边云协同的人脸识别实验表明,所提系统在任何网络状态下都能进行实时识别且准确率较高.
文献关键词：
边云协同;人脸识别;ResNet;ArcFace;深度可分离卷积
中图分类号：
作者姓名：
魏勤;李瑛娇;娄平;严俊伟;胡辑伟
作者机构：
武汉理工大学信息工程学院 武汉430070
文献出处：
引用格式：
[1]魏勤;李瑛娇;娄平;严俊伟;胡辑伟-.基于边云协同的人脸识别方法研究)[J].计算机科学,2022(05):71-77
A类：
LResNet,SResNet
B类：
边云协同,购物,安检,考勤,人脸识别系统,算力,存储空间,传送,送到,网络覆盖,拥塞,延时,用户体验,处理能力,边缘计算,网络状态,云端,ResNet34,ArcFace,损失函数,训练过程,网络学习,边缘端,计算资源,存储资源,深度可分离卷积,大大减少,网络参数,计算量,实时识别
AB值：
0.288257
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
