mobile - 移动设备中的深度学习人脸检测

Question

我想创建一个人脸检测移动应用程序，并且我想使用常规深度学习(卷积网络)来完成它。我将用我的计算机对其进行训练，并在移动应用程序中使用经过训练的数据。

我的问题是:我可以在像 iPhone 这样的常规手机中获得非常快的计算吗？我需要它非常快，并且在 1 秒内可以检测到视频中的面部。在移动设备上可以吗？或者这种任务需要更强大的硬件？

我知道训练阶段必须在功能强大的计算机中进行，但我的意思是移动设备中的生产阶段。

例如，如果我 Handlebars 机放在街上，它可以在训练阶段用相同的深度网络检测到所有人的脸吗？

Answer 1

是的，这是可能的，但不适用于标准 CNN 架构，需要进行一些更改:

• 一种方法是具有二进制权重的 CNN，因此可以通过位运算来评估 CNN。有很多关于此的出版物，例如 this , this或this 。我见过在 iPhone 上实时运行的带有二进制权重的 YOLO 实现，所以这绝对是可能的。
• 第二种方法是减少神经网络的参数数量，例如，如果您训练一个具有 5000 个权重的网络并获得接近您想要的检测性能，那么该网络可能会实时运行。但这更难。
• 第三种方法只是优化神经网络架构以最小化参数，并将其与非常优化的实现相结合。有一些算法可以加速卷积运算，例如L-CNN ，或者 cuDNN 实现的。

一个非常好的相关资源是来自 The 1st International Workshop on Efficient Methods for Deep Neural Networks 的演示文稿和论文。 .