面向移动图像传感器的全量化常开人脸检测器
计算机视觉与模式识别
2023-11-03 v1 人工智能
摘要
尽管针对边缘设备的轻量级深度神经网络（DNN）已有大量研究，当前的人脸检测器仍未能完全满足集成嵌入式 DNN 的“智能” CMOS 图像传感器（iCIS）的要求。这些传感器在各类实际应用中至关重要，例如具有常开能力的节能手机与监控系统。一个值得注意的局限是缺乏适用于常开场景的合适人脸检测器，而这是图像传感器级应用的关键方面。这些检测器必须在图像信号处理器（ISP）接管之前直接处理传感器 RAW 数据。这一缺口在此类场景中达成最优性能方面构成了重大挑战。进一步的研究与开发对于弥合此缺口并充分释放 iCIS 应用的潜力是必要的。在本研究中，我们旨在通过探索极低比特轻量级人脸检测器来弥合该缺口，聚焦于面向移动图像传感器应用的常开人脸检测场景。为此，我们提出的模型利用感知传感器的合成 RAW 输入，模拟在 ISP 链路“之前”处理的常开人脸检测。我们的方法采用三元（-1, 0, 1）权重以有望在图像传感器中实现，从而形成了具有浅层与极低位宽的相对简单的网络架构。我们的方法在仿真研究中展现出合理的人脸检测性能与卓越的效率，为实际常开人脸检测器在真实应用中的落地提供了有前景的可能性。
引用
@article{arxiv.2311.01001,
title = {Fully Quantized Always-on Face Detector Considering Mobile Image Sensors},
author = {Haechang Lee and Wongi Jeong and Dongil Ryu and Hyunwoo Je and Albert No and Kijeong Kim and Se Young Chun},
journal= {arXiv preprint arXiv:2311.01001},
year = {2023}
}
备注
Accepted to ICCV 2023 Workshop on Low-Bit Quantized Neural Networks (LBQNN), Oral