《表4 Mobile Face Net和FNet对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的ARM平台实时人脸识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在人脸追踪当中，为了验证FNet的有效性，本文使用Softmax损失函数训练MobileFaceNet和FNet各14万次，训练过程中初始学习率设置为0.1，batch size设置为256，使用两张显卡训练。其效果对比如表4所示。通过两个网络的对比分析可以看到，FNet在精度上要比MobileFaceNet略低，但差距较小；与MobileFaceNet相比，FNet的模型大小减小了45%，速度提升了75%，有较大提升。由于人脸追踪实时性强，对FNet速度要求高。FNet在速度上满足实时要求，同时在精度上也接近MobileFaceNet。