深入學習移動設備中的人臉檢測

Question

我想創建一個人臉檢測移動應用程序，我希望通過常規深度學習（卷積網絡）來實現。 我將使用我的計算機進行訓練，並在移動應用程序中使用經過訓練的數據

我的問題是：我可以在像iPhone這樣的監管手機中獲得非常快速的計算嗎？ 我需要它非常快，並且在1秒內可以檢測到視頻中的臉部。 是否可以在移動設備上使用？ 或者這種任務需要更強大的硬件？

我知道培訓階段必須在強大的計算機上，但我的意思是移動設備的生產階段。

例如，如果我將手機放在街道上，它可以在訓練階段檢測到所有人都面對同樣的深層網絡？

Answer 1

是的，這是可能的，但不是標准的CNN架構，需要進行一些更改：

• 一種方法是具有二進制權重的CNN，因此評估CNN只能通過位操作來完成。 關於這一點有很多出版物，比如這個 ， 這個或者這個 。 我已經看到了在iPhone上實時運行二進制權重的YOLO實現，所以它絕對是可能的。
• 第二種方法是減少神經網絡的參數數量，例如，如果您訓練一個具有5000個權重的網絡並獲得接近您想要的檢測性能，那么該網絡可能會實時運行。 但這更難。
• 第三種方法是優化神經網絡架構以最小化參數，並將其與非常優化的實現相結合。 有加速卷積運算的算法，例如L-CNN ，或者由cuDNN實現的算法。

一個非常好的相關資源是來自第一屆深度神經網絡有效方法國際研討會的演講和論文。