轻量级人脸识别:SqueezerFaceNet: Reducing a Small Face Recognition CNN Even More Via Filter Pruning

论文作者：Fernando Alonso-Fernandez,Kevin Hernandez-Diaz,Jose Maria Buades Rubio,Josef Bigun

作者单位：Halmstad University;University of Balearic Islands

论文链接：http://arxiv.org/abs/2307.10697v1

内容简介：

1）方向：轻量级人脸识别网络

2）应用：实时的人员身份验证

3）背景：随着移动设备在各种数字服务中的广泛应用，对可靠和实时的个人身份验证需求日益增加。人脸识别技术由于移动设备中摄像头的普及和其融入日常应用而成为验证用户身份的可靠方法。然而，目前的人脸识别模型通常较大，对于移动应用来说不太实用，参数量通常达到数百万，文件大小超过几百兆。

4）方法：本文开发了SqueezerFaceNet，一个轻量级的人脸识别网络，参数数量少于100万。采用基于Taylor分数的网络剪枝方法，通过迭代地移除重要性较小的滤波器来实现这一目标。从一个已经很小的网络（1.24M）基础上，进一步减小了网络规模（最多40%的减小），而性能损失并不明显。作者表示这是首次评估网络剪枝方法用于人脸识别任务。

5）结果：通过使用SqueezerFaceNet，成功地开发了一个轻量级的人脸识别网络，参数数量少于100万。相比起初已经较小的网络，进一步减小了网络规模（最多40%的减小），而性能损失并不明显。这使得这个网络在移动应用中的实用性得到了显著提高，从而为可靠和实时的人员身份验证提供了一个可行的解决方案。