深入学习移动设备中的人脸检测

Question

我想创建一个人脸检测移动应用程序,我希望通过常规深度学习(卷积网络)来实现.我将使用我的计算机进行训练,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这样的监管手机中获得非常快速的计算吗？我需要它非常快,并且在1秒内可以检测到视频中的脸部.是否可以在移动设备上使用？或者这种任务需要更强大的硬件？

我知道培训阶段必须在强大的计算机上,但我的意思是移动设备的生产阶段.

例如,如果我将手机放在街道上,它可以在训练阶段检测到所有人都面对同样的深层网络？

Answer 1

是的,这是可能的,但不是标准的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,因此评估CNN只能通过位操作来完成.关于这一点有很多出版物,比如这个,这个或者这个.我已经看到了在iPhone上实时运行二进制权重的YOLO实现,所以它绝对是可能的.
• 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.有加速卷积运算的算法,例如L-CNN,或者由cuDNN实现的算法.

一个非常好的相关资源是来自第一届深度神经网络有效方法国际研讨会的演讲和论文.