面向物端专用人工智能芯片的实时人脸识别技术

发布时间：2024-02-02 19:06

　　随着神经网络的快速发展,深度学习算法在众多场景中实现了应用。同时,作为未来生活的新形态,物联网的使用率正迅速增长,在物联网设备中实现深度学习算法成为一种新的应用场景,具有重要的价值及意义。为了解决深度学习算法在物联网设备中应用所受到的计算资源、存储资源以及隐私性的约束,目前已提出了针对深度学习算法特性的加速器。人脸识别技术是深度学习领域发展最成熟、应用最广泛的技术之一。近年来人脸识别技术准确率不断提升,但较高的参数量给资源有限的物联网设备带来了巨大挑战。为了解决物联网设备中应用人脸识别技术的难点,本文提出了在专用加速器上快速且低功耗地实现人脸识别的技术方案,研究内容主要分为三个方面。1.设计轻量级人脸识别算法。本文针对人脸检测和特征识别分别选择了基于MTCNN的人脸检测算法和基于MobileNet的特征识别算法。同时本文对于模型进行了进一步压缩优化,实现硬件端的增速降耗。2.实现轻量级人脸识别算法在硬件中的映射。本文基于一款某实验室自主研发的面向物联网应用的通用加速器,设计了专用的编译器,实现轻量级人脸识别算法在该通用加速器上的映射。3.面向轻量级人脸识别算法的硬件实现与优化。考虑硬件...

【文章页数】：101 页

【学位级别】：硕士

【部分图文】：

图１．１论文研宄框架??Ｆｉｇｕｒｅ?１．１?Ｒｅｓｅａｒｃｈ?Ｆｒａｍｅｗｏｒｋ??

?第１章绪论???第五章对本文的主要研究工作进行了总结，并对未来感兴趣的研宄领域和研??究内容进行了展望。??第一章??绪论??Ｉ?ＩＩＩ?；??第二章?第三章??轻量级人脸识别算法方案与性能优化?轻量级人脸识别算法￥ＮＰＵ上的实现与优化?????：?｜??轻量级人脸检测算法的原....

图２．?１?ＭＴＣＮＮ整体架构丨２４丨??Ｆｉｇｕｒｅ?２．１?ＭＴＣＮＮ?Ａｒｃｈｉｔｅｃｔｕｒｅ??

?面向专用人工智能芯片的实时人脸识别技术???缩放尺度ｒｅｓｉｚｅ到一起，堆叠成金字塔的形状，作为ＰＮｅｔ的输入。其中ＰＮｅｔ、??ＲＮｅｔ、ＯＮｅｔ的目的本质上一致的，都是通过ＮＭＳ来筛选人脸检测的候选框，只??是网络运算的顺序不同，先计算ＰＮｅｔ，再计算ＲＮｅｔ，最后计算ＯＮ....

图２．?２?ＰＮｅｔ网络架构！２４丨??

ｉｏｎ?Ｉ??■?Ｉ?ｊ?ｌｘｌ?ｘ２?Ｉ??％?ｂｏｕｎｄｉｎｇ?ｂｏｘ??ｒｅｇｒｅｓｓｉｏｎ??１ｘ１ｘ４??Ｉ?ｉｎｐｕｔ?ｓｉｚｅ?５Ｘ５Ｘｉ〇?３ｘ３ｘ１６?１ｘ１ｘ３２１?Ａ?Ｆａｃｉａｌ?ｌａｎｄｍａｒｋ?｜??Ｉ?１２ｘ１２ｘ３?＿?ｌｏｃａｌｉｚａｔｉｏｎ?ｉ....

图２．?３?ＲＮｅｔ网络架构丨２４丨??

＿Ｒ－Ｎｅｔ??Ｃｏｎｖ：?３ｘ３?Ｃｏｎｖ：３ｘ３?Ｃ〇ｎｖ：２ｘ２?ｆｕｌｌｙ?ｒ?，?．?Ｉ??ＭＰ：?３ｘ３?ＭＰ：?３ｘ３?ｃｏｎｎｅｃｔ＾－?ｆａｃｅ?ｃｌａｓｓｉｆｉｃａｔｉｏｎ?＇??Ｉ?Ｉ?１?＾?．?［ｉａ?＇?ｂｏｕｎｄｉｎｇ?ｂｏｘ?，??Ｕ?＾?ｒｅｇｒ....

本文编号：3893013