Mobile 移动设备中人脸检测的深度学习

我想创建一个人脸检测移动应用程序，我想通过定期的深度学习（卷积网络）来实现。我将用我的电脑训练它，并在移动应用程序中使用经过训练的数据

我的问题是：在像iPhone这样的正规手机上，我能获得非常快的计算速度吗？我需要它是非常快的，不到1秒可以检测到视频中的脸。在移动设备上可以吗？或者这种任务需要更强大的硬件

我知道培训阶段必须在功能强大的计算机中进行，但我指的是移动设备中的生产阶段

---

例如，如果我把手机放在街道上，它可以在训练阶段检测到所有人在同一深度网络上的脸？

是的，这是可能的，但在标准的CNN架构中不可能，需要进行一些更改：

• 一种方法是使用二进制权重的CNN，因此评估CNN只能通过位操作完成。有很多关于这方面的出版物，比如，或。我在iPhone上看到了一个带有二进制权重的YOLO实时运行的实现，所以这绝对是可能的
• 第二种方法是减少神经网络的参数数量，例如，如果你训练了一个具有5000个权重的网络，并且获得了接近你想要的检测性能，那么这个网络可能会实时运行。但这更难
• 第三种方法是优化神经网络结构以最小化参数，并将其与非常优化的实现相结合。有一些算法可以加速卷积运算，例如，或由cuDNN实现的算法

---

一个非常好的相关资源是来自的演示文稿和论文。

谢谢，这对我帮助很大