基于边云协同的人脸识别方法研究
人脸识别被广泛应用于购物、安检、出行、支付和考勤等日常生活中,人脸识别系统需要大的算力与存储空间,因此往往将需要识别的人脸通过网络传送到云平台进行识别,但网络覆盖、拥塞或延时等问题造成人脸识别系统难以满足实际应用的需求,用户体验差.针对人脸识别中存在的问题,提出了基于边云协同的人脸识别方法.该方法结合云计算的处理能力和边缘计算的实时性,使人脸识别系统不受网络状态的约束,应用更加广泛,用户体验更好.在云端,提出了LResNet特征提取方法,改进了ResNet34网络结构,并利用ArcFace人脸损失函数监督训练过程,使网络学习到更多的人脸角度特性;在边缘端,针对计算资源和存储资源有限的问题,提出了SResNet特征提取方法,利用深度可分离卷积轻量化LResNet网络结构,大大减少了网络参数和计算量.边云协同的人脸识别实验表明,所提系统在任何网络状态下都能进行实时识别且准确率较高.
边云协同、人脸识别、ResNet、ArcFace、深度可分离卷积
49
TP391.41(计算技术、计算机技术)
国家自然科学基金;武汉市科学技术局应用基础前沿专项
2022-05-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
71-77