在沒(méi)有采用GPU的情況下，有可能實(shí)現(xiàn)具有實(shí)時(shí)性能的對(duì)象檢測(cè)模型嗎？faced是一個(gè)概念證明，可以為在CPU上實(shí)時(shí)運(yùn)行的單個(gè)類(lèi)對(duì)象（在本例中為faced）構(gòu)建自定義對(duì)象檢測(cè)模型。

站在用戶的角度思考問(wèn)題，與客戶深入溝通，找到大余網(wǎng)站設(shè)計(jì)與大余網(wǎng)站推廣的解決方案，憑借多年的經(jīng)驗(yàn)，讓設(shè)計(jì)與互聯(lián)網(wǎng)技術(shù)結(jié)合，創(chuàng)造個(gè)性化、用戶體驗(yàn)好的作品，建站類(lèi)型包括：網(wǎng)站設(shè)計(jì)制作、成都網(wǎng)站制作、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣、域名注冊(cè)、雅安服務(wù)器托管、企業(yè)郵箱。業(yè)務(wù)覆蓋大余地區(qū)。

問(wèn)題是什么？

在許多情況下需要單個(gè)類(lèi)對(duì)象檢測(cè)。這意味著我們想要檢測(cè)屬于圖像中特定類(lèi)的所有對(duì)象的位置。例如，我們可以檢測(cè)面部識(shí)別系統(tǒng)的面部或需要跟蹤人員的面部。

更重要的是，大多數(shù)時(shí)候我們希望實(shí)時(shí)運(yùn)行這些模型。為了實(shí)現(xiàn)這一目標(biāo)，我們提供了以x為速率提供樣本的圖像，并且我們需要一個(gè)模型，用于每個(gè)樣本以低于x的速率運(yùn)行。然后，我們可以在圖像可用時(shí)立即處理。

現(xiàn)在解決此任務(wù)（以及計(jì)算機(jī)視覺(jué)中的許多其他任務(wù)）的最容易訪問(wèn)和使用的解決方案是在先前訓(xùn)練的模型上進(jìn)行轉(zhuǎn)移學(xué)習(xí)（通常在大數(shù)據(jù)集上訓(xùn)練的標(biāo)準(zhǔn)模型，如Tensorflow Hub或TF Object Detection API中的那些）。

https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

有許多訓(xùn)練有素的對(duì)象檢測(cè)架構(gòu)（例如FasterRCNN、SSD或YOLO）可以在GPU上運(yùn)行的實(shí)時(shí)性能中實(shí)現(xiàn)令人印象深刻的準(zhǔn)確性。  

GPU很昂貴，但在訓(xùn)練階段是必需的。然而在推理中，具有專(zhuān)用GPU以實(shí)現(xiàn)實(shí)時(shí)性能是不可行的。所有通用對(duì)象檢測(cè)模型（如上所述）都無(wú)法在沒(méi)有GPU的情況下實(shí)時(shí)運(yùn)行。然后，我們?nèi)绾沃匦聦徱晢蝹€(gè)類(lèi)對(duì)象的對(duì)象檢測(cè)問(wèn)題，以實(shí)現(xiàn)CPU的實(shí)時(shí)性能？

主要思想：簡(jiǎn)單的任務(wù)需要較少的可學(xué)習(xí)特征

所有上述架構(gòu)都設(shè)計(jì)用于檢測(cè)多個(gè)對(duì)象類(lèi)（在COCO或PASCAL VOC數(shù)據(jù)集上訓(xùn)練）。為了能夠?qū)⒚總€(gè)邊界框分類(lèi)為適當(dāng)?shù)念?lèi)，這些體系結(jié)構(gòu)需要大量的特征提取。這轉(zhuǎn)化為大量可學(xué)習(xí)的參數(shù)，大量的過(guò)濾器，大量的層。換句話說(shuō)，這個(gè)網(wǎng)絡(luò)很大。

如果我們定義更簡(jiǎn)單的任務(wù)（而不是多類(lèi)邊界框分類(lèi)），那么我們可以想到網(wǎng)絡(luò)需要學(xué)習(xí)更少的特征來(lái)執(zhí)行任務(wù)。檢測(cè)圖像中的面部顯然比檢測(cè)汽車(chē)、人員、交通標(biāo)志和狗（都在同一模型中）更簡(jiǎn)單。深度學(xué)習(xí)模型為了識(shí)別面部（或任何單個(gè)類(lèi)對(duì)象）所需的特征量將小于同時(shí)檢測(cè)數(shù)十個(gè)類(lèi)的特征量。執(zhí)行第一個(gè)任務(wù)所需的信息少于后一個(gè)任務(wù)。

單個(gè)類(lèi)對(duì)象檢測(cè)模型需要較少的可學(xué)習(xí)功能。參數(shù)越少意味著網(wǎng)絡(luò)越小。較小的網(wǎng)絡(luò)運(yùn)行得更快，因?yàn)樗枰俚挠?jì)算。

那么，問(wèn)題是：我們可以在CPU上實(shí)現(xiàn)實(shí)時(shí)性能但保持準(zhǔn)確性有多大？

faced的主要概念是：建立盡可能小的網(wǎng)絡(luò)（希望）在CPU中實(shí)時(shí)運(yùn)行，同時(shí)保持準(zhǔn)確性。

架構(gòu)

faces是兩個(gè)神經(jīng)網(wǎng)絡(luò)的集合，都是使用Tensorflow實(shí)現(xiàn)的。

主要網(wǎng)絡(luò)

faced的主要架構(gòu)主要基于YOLO的架構(gòu)?；旧?，它是一個(gè)全卷積網(wǎng)絡(luò)（FCN），通過(guò)一系列卷積層和池化層運(yùn)行288×288輸入圖像（不涉及其他層類(lèi)型）。

卷積層負(fù)責(zé)提取空間感知特征。匯集層增加了隨后的卷積層的感知域。

架構(gòu)的輸出是9×9網(wǎng)格（與YOLO中的13×13網(wǎng)格相比）。每個(gè)網(wǎng)格單元負(fù)責(zé)預(yù)測(cè)面部是否在該單元內(nèi)（相對(duì)于YOLO，每個(gè)單元可以檢測(cè)多達(dá)5個(gè)不同的對(duì)象）。

每個(gè)網(wǎng)格單元具有5個(gè)關(guān)聯(lián)值。第一個(gè)是包含面部中心的單元的概率p。其他4個(gè)值是檢測(cè)到的面部（相對(duì)于單元）的（x_center，y_center，width，height）。

主要架構(gòu)

確切的體系結(jié)構(gòu)定義如下：

• 2×[288×288圖像上的8個(gè)過(guò)濾卷積層]

• 大池（288×288到144×144特征圖）

• 在144×144特征圖上的2×[16個(gè)過(guò)濾卷積層]

• 大池（144×144到72×72特征圖）

• 72×72特征圖上的2×[32個(gè)過(guò)濾卷積層]

• 大池（72×72到36×36特征圖）

• 36×36特征圖上的2× [64個(gè)過(guò)濾卷積層]

• 大池（36×36到18×18特征圖）

• 18×18特征圖上的2×[128個(gè)過(guò)濾卷積層]

• 大池（18×18到9×9特征圖）

• 大池（18×18到9×9特征圖）

• 9×9特征圖上的4×[192個(gè)過(guò)濾卷積層]

• 9×9特征圖上的5個(gè)過(guò)濾卷積層，用于最終網(wǎng)格

所有激活功能都是leaky_relu。

faced有6,993,517個(gè)參數(shù)。YOLOv2有51,000,657個(gè)參數(shù)。它的尺寸是YOLO尺寸的13％！

輔助網(wǎng)絡(luò)

（x_center，y_center，width，height）主網(wǎng)的輸出不如預(yù)期的那么準(zhǔn)確。因此，實(shí)現(xiàn)了一個(gè)小型卷積神經(jīng)網(wǎng)絡(luò)(CNN)，以將包含面部的小圖像（用主體系結(jié)構(gòu)輸出裁剪）作為輸入，并在面部的真實(shí)邊界框上輸出回歸。

網(wǎng)絡(luò)采用包含面部的裁剪并預(yù)測(cè)正確的邊界框

它的唯一任務(wù)是補(bǔ)充和改進(jìn)主體系結(jié)構(gòu)的輸出坐標(biāo)。

該網(wǎng)絡(luò)的特定體系結(jié)構(gòu)不相關(guān)。

數(shù)據(jù)集

兩個(gè)網(wǎng)絡(luò)都在WIDER FACE數(shù)據(jù)集上進(jìn)行了訓(xùn)練。

WIDER的多場(chǎng)景

"WIDER FACE數(shù)據(jù)集是一個(gè)人臉檢測(cè)基準(zhǔn)數(shù)據(jù)集。我們選擇了32,203張圖像，標(biāo)記了393,703張人臉，其尺寸、姿勢(shì)和遮擋程度都有很高的變化，如樣本圖像所示。

訓(xùn)練

訓(xùn)練是在Nvidia Titan XP GPU上完成的。訓(xùn)練時(shí)間約需20小時(shí)。批量歸一化技術(shù)用于幫助收斂和丟失（以40％的速率）作為正則化方法以避免過(guò)度擬合。

推理和非大抑制

當(dāng)使用faced推理時(shí)，首先將圖像大小調(diào)整為288×288以便饋入網(wǎng)絡(luò)。圖像位于FCN下方，提供上述9×9網(wǎng)格輸出。

每個(gè)單元具有包含圖像的概率p。通過(guò)可配置的閾值過(guò)濾單元（僅保留p>t的單元）。對(duì)于那些保留的單元格，使用單元格（x_center，y_center，width，height）定位人臉。

在某些情況下，多個(gè)單元可以競(jìng)爭(zhēng)同一個(gè)面部。假設(shè)面部中心位于4個(gè)單元格相交的確切位置。這4個(gè)單元可能具有更高的p（在單元內(nèi)包含面部中心的概率）。如果我們保留所有單元格并投影每個(gè)單元格的面部坐標(biāo)，那么我們將看到相同的面部周?chē)?個(gè)類(lèi)似的邊界框。這個(gè)問(wèn)題通過(guò)一種稱(chēng)為非大抑制的技術(shù)得以解決。結(jié)果如下圖所示：  

非大抑制示例

性能 faced能夠在推理上達(dá)到以下速度：

考慮到Y(jié)OLOv2在i5 2015 MBP上無(wú)法達(dá)到1FPS，相當(dāng)不錯(cuò)。

結(jié)果

讓我們看看一些結(jié)果！

面部圖像

現(xiàn)在讓我們看看faced和Haar Cascades之間的比較，這是一種不使用深度學(xué)習(xí)的計(jì)算機(jī)視覺(jué)傳統(tǒng)方法。兩種方法都在相似的速度性能下運(yùn)行faced表現(xiàn)出更高的準(zhǔn)確性。  

Haar Cascades [左] vs faced [右]

faced怎么用？

faced是一個(gè)非常簡(jiǎn)單的程序，既可以嵌入Python代碼中，也可以作為命令行程序使用。

登錄github庫(kù)可以獲得進(jìn)一步說(shuō)明：

https://github.com/iitzco/faced

結(jié)論

faced是一個(gè)概念證明，在場(chǎng)景中，你并不總是需要依賴(lài)于通用的訓(xùn)練模型，因?yàn)檫@些模型對(duì)于你的問(wèn)題和性能問(wèn)題來(lái)說(shuō)過(guò)于簡(jiǎn)單。不要過(guò)高估計(jì)花費(fèi)時(shí)間設(shè)計(jì)特定于你的問(wèn)題的自定義神經(jīng)網(wǎng)絡(luò)架構(gòu)的能力。這些特定網(wǎng)絡(luò)將是比一般網(wǎng)絡(luò)更好的解決方案。

分享題目：faced：基于深度學(xué)習(xí)的CPU實(shí)時(shí)人臉檢測(cè)-創(chuàng)新互聯(lián)
URL網(wǎng)址：http://aaarwkj.com/article2/dppdoc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供移動(dòng)網(wǎng)站建設(shè)、域名注冊(cè)、網(wǎng)站制作、網(wǎng)站導(dǎo)航、關(guān)鍵詞優(yōu)化、網(wǎng)站內(nèi)鏈

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)