基于Ghostnet轻量级人脸识别算法研究

作     者：赵锋 张鹏 张冉 Zhao Feng;Zhang Peng;Zhang Ran

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 

基　　金：技术领域基金(2021-JCJQ-JJ-0726)项目资助 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2022年第45卷第16期

页      码：130-136页

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。

主 题 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 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.19651/j.cnki.emt.2209356

馆 藏 号：203114476...