首页> 中文期刊> 《计算机应用》 >基于深度学习的ARM平台实时人脸识别

基于深度学习的ARM平台实时人脸识别

         

摘要

针对ARM平台上人脸识别实时性不强和识别率低的问题,提出一种基于深度学习的实时人脸识别方法.首先基于MTCNN人脸检测算法设计了一种实时检测并追踪人脸的算法;然后在ARM平台上基于深度残差网络(ResNet)设计人脸特征提取网络;最后针对ARM平台的特点,使用Mali-GPU加速人脸特征提取网络的运算,分担CPU负荷,提高系统整体运行效率.算法部署在基于ARM的瑞芯微RK3399开发板上,运行速度达到22帧/s.实验结果表明,与MobileFaceNet相比,该方法在MegaFace上的识别率提升了11个百分点.

著录项

  • 来源
    《计算机应用》 |2019年第8期|2217-2222|共6页
  • 作者

    方国康; 李俊; 王垚儒;

  • 作者单位

    武汉科技大学计算机科学与技术学院;

    武汉430065;

    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430065;

    武汉科技大学计算机科学与技术学院;

    武汉430065;

    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430065;

    武汉科技大学计算机科学与技术学院;

    武汉430065;

    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430065;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 人工神经网络与计算;模式识别与装置;
  • 关键词

    ARM平台; 人脸识别; 人脸追踪; 残差网络; Mali-GPU;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号