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，我想用普通的深度学习（卷积网络）来完成。我将用我的电脑进行训练，并在移动应用程序中使用训练有素的数据。

我的问题是：我可以在像iPhone一样的手机中获得非常快速的计算吗？我需要它非常快，在1秒内可以检测到视频中的脸部。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是强大的计算机，但我的意思是在移动设备中的生产阶段。

例如，如果我把我的手机放在一条街上，它可以在训练阶段检测到所有人都具有相同的深度网络？

Answer 1

是的，这是可能的，但不能与CNN的标准架构，需要一些变化：

• 一种方法是细胞神经网络二进制的权重，所以评估CNN正好可以用位操作来完成。有很多关于此的出版物，如this,this或this。我已经看到在iPhone上实时运行二进制权重的YOLO的实现，所以它绝对有可能。
• 第二种方法是减少神经网络的参数数量，例如，如果您使用5000个权重训练网络并获得接近您想要的检测性能，则该网络可能实时运行。但这很难。
• 第三种方法是优化神经网络结构以最小化参数，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，如L-CNN，或由cuDNN实现的算法。

一个很好的相关资源是The 1st International Workshop on Efficient Methods for Deep Neural Networks的介绍和论文。