MobileNetV2在超低功耗平台上用于人脸检测的自适应改造
计算机视觉与模式识别
2022-08-24 v1 机器学习
摘要
设计运行在边缘硬件上的深度神经网络（DNNs）仍是一项挑战。学界已采用标准设计以促进神经网络模型的部署。然而，在使网络拓扑适应硬件约束方面并未给予足够重视。本文对移动硬件平台上最广泛使用的架构之一 MobileNetV2 进行自适应改造，并研究改变其拓扑结构及应用训练后量化的影响。我们讨论了这些改造的影响以及该模型在嵌入式硬件平台上用于人脸检测时的部署情况。
引用
@article{arxiv.2208.11011,
title = {Adaptation of MobileNetV2 for Face Detection on Ultra-Low Power Platform},
author = {Simon Narduzzi and Engin Türetken and Jean-Philippe Thiran and L. Andrea Dunbar},
journal= {arXiv preprint arXiv:2208.11011},
year = {2022}
}
备注
6 pages, 4 figures; Accepted at IEEE Swiss Conference on Data Science (SDS), Lucerne, 2022