《表1 FNet结构:基于深度学习的ARM平台实时人脸识别》
FNet基于Mobile Face Net[25]进行设计。Mobile Face Net是一个轻量化的CNN,其中采用了可分离卷积(Depthwise Separable Convolution)[26]来精简网络参数,使得网络更加适用于移动设备。同时,Mobile Face Net还在Mobile Net V2[27]的基础上使用可分离卷积层代替全局平均池化层(Global Average Pooling),使网络可以学习不同点的权重。FNet在Mobile Face Net的基础上精简了网络结构,并加入了通道混洗(Channel Shuffle)[23]策略,通道混洗能够加强通道之间的信息流通,增强网络的信息表达能力。FNet网络结构如表1所示。
图表编号 | XD0090227400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.10 |
作者 | 方国康、李俊、王垚儒 |
绘制单位 | 武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)、武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)、武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) |
更多格式 | 高清、无水印(增值服务) |