典型文献
基于Ghostnet轻量级人脸识别算法研究
文献摘要：
为了提高人脸识别在嵌入式设备中的识别精度和速度,提出一种基于Ghostnet轻量级人脸识别算法—Ghostfacenet.首先,通过预设卷积生成固定数目的内在特征;针对卷积运算计算消耗大的问题,使用计算成本低廉的线性操作代替卷积运算,产生一系列与内在特征相关联的特征信息;其次,基于Ghostnet中的Ghost模块以及深度可分离卷积设计出Ghostfacenet-Bottleneck,并且由其构建出Ghostfacenet轻量级卷积神经网络;最后,联合Softmax损失函数和Arcface损失函数进一步增加人脸类内紧凑性以及类间差异,同时使得轻量级模型有更好的收敛性以及泛化能力.实验结果表明,Ghostfacenet在嵌入式设备的识别速度分别是Resnet50、Efficientnet、MobilenetV2和Mobilefacenet的11.08倍、8.57倍、2.75倍和2.82倍.在不显著降低识别性能同时能够显著提高运行效率,非常适用于资源有限的嵌入式设备中.
文献关键词：
深度学习;损失函数;轻量级卷积神经网络;人脸识别;嵌入式系统
中图分类号：
作者姓名：
赵锋;张鹏;张冉
作者机构：
中北大学仪器与电子学院 太原030051;中北大学大数据学院 太原030051
文献出处：
引用格式：
[1]赵锋;张鹏;张冉-.基于Ghostnet轻量级人脸识别算法研究)[J].电子测量技术,2022(16):130-136
A类：
Ghostfacenet,Arcface,Mobilefacenet
B类：
Ghostnet,人脸识别算法,算法研究,嵌入式设备,识别精度,内在特征,卷积运算,算计,计算消耗,计算成本,线性操作,相关联,特征信息,深度可分离卷积,Bottleneck,轻量级卷积神经网络,Softmax,损失函数,加人,紧凑性,类间差异,轻量级模型,收敛性,泛化能力,Resnet50,Efficientnet,MobilenetV2,识别性,提高运行效率,嵌入式系统
AB值：
0.324873
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。
