面向 Frugal AI 的生物识别高效深度学习综述：概述、挑战与趋势
机器学习
2026-02-10 v1
摘要
近期在判别或生成任务上的深度学习进展对各类应用，尤其是安全与防御，都有所帮助。然而，其在训练和部署阶段的日益增长的计算需求直接转化为高能耗，进而导致沉重的碳足迹，阻碍其广泛应用与可扩展性，也限制了在资源受限的边缘设备上进行实时使用的前景。在本文中，我们简要概述了生物识别应用中高效深度学习方法。具体而言，我们探讨在训练和部署深度学习方法时可能遭遇的挑战，并提供了各种高效深度学习家族的分类体系。此外，我们讨论了评估这些模型效率的补充指标，如内存、计算、延迟、吞吐量，并倡导采用通用且可复现的指标以便于更好地进行比较。最后，我们给出未来研究方向。
引用
@article{arxiv.2602.08809,
title = {Efficient Deep Learning for Biometrics: Overview, Challenges and Trends in Ear of Frugal AI},
author = {Karim Haroun and Aya Zitouni and Aicha Zenakhri and Meriem Amel Guessoum and Larbi Boubchir},
journal= {arXiv preprint arXiv:2602.08809},
year = {2026}
}
备注
8 pages, 2 figures, accepted at the 2025 IEEE SDS conference