嵌入式人脸识别实验系统的模型压缩及其分析

现有国产化嵌入式人工智能计算平台运算能力有限,不能满足部署人脸识别模型等高复杂度模型的要求。在DarkNet19网络中引入跳连接、模型剪枝,提出了一种基于深度卷积网络压缩的嵌入式人脸识别模型。采用8比特定点量化压缩,进一步实现了该网络模型的轻量化。在国产化嵌入式人工智能实验平台K210上,分别部署DarkNet19、DarkNet53和MobileNet-v1的压缩模型,对比其识别性能。同时分析了模型剪枝、精细化模型、模型量化三种压缩方式对上述三种模型的影响。实验结果表明,基于跳连接的DarkNet19压缩模型在模型参数规模、准确率和推理耗时上有更好的综合表现。