基于几何中位数准则的轻量级人脸检测器滤波器剪枝
计算机视觉与模式识别
2023-11-29 v1
摘要
人脸检测器正成为许多应用（包括监控）的关键组件，这些应用通常必须在处理能力与内存受限的边缘设备上运行。因此，对能在资源受限设备上高效运行的紧凑人脸检测模型有着迫切需求。近年来，网络剪枝技术引起了研究人员的广泛关注。尽管这些方法日益流行，但在人脸检测器语境下尚未得到充分考察。在本文中，我们对两个已然小巧紧凑的人脸检测器——EXTD（Extremely Tiny Face Detector，极小人脸检测器）与 EResFD（Efficient ResNet Face Detector，高效 ResNet 人脸检测器）——实施了滤波器剪枝。我们所采用的主要剪枝算法是通过几何中位数进行滤波器剪枝（FPGM），并结合软滤波器剪枝（SFP）迭代流程。我们还应用了 L1 范数剪枝作为与所提方法比较的基线。在 WIDER FACE 数据集上的实验评估表明，所提方法有望进一步缩减本已轻量级的人脸检测器的模型尺寸，且精度损失有限，甚至在低剪枝率下略有精度提升。
引用
@article{arxiv.2311.16613,
title = {Filter-Pruning of Lightweight Face Detectors Using a Geometric Median Criterion},
author = {Konstantinos Gkrispanis and Nikolaos Gkalelis and Vasileios Mezaris},
journal= {arXiv preprint arXiv:2311.16613},
year = {2023}
}
备注
Accepted for publication in the IEEE/CVF WACV 2024 Workshops proceedings, Hawaii, USA, Jan. 2024