面向安卓平台的深度学习人脸识别算法研究任务书

 2020-02-18 05:02

1. 毕业设计(论文)主要内容:

随着计算机硬件的飞速发展和人脸数据集的不断增大,基于深度学习的人脸识别算法取得了超过人类水平的准确率,然而如何将深度学习模型运行于安卓平台仍然是一个具有挑战性的课题。

本论文主要关注如何对深度学习模型进行压缩,使得压缩之后的模型相比于原模型计算量大幅减少且准确率的下降较少,从而可以在安卓平台上实现实时的人脸识别算法。

2. 毕业设计(论文)主要任务及要求

1.分类整理目前主流的基于深度学习人脸识别算法,分析各自的优缺点;

2. 选择一种适合进行压缩的深度学习模型,并进行模型的压缩;

3. 将压缩后的深度学习模型部署在安卓平台上,实现实时的人脸识别;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 毕业设计(论文)完成任务的计划与安排

2019年1月11日-2019年1月31日:查阅有关的参考资料并完成开题报告;翻译英文资料(不少于5000汉字),并交予指导教师检查。

2019年2月1日-2019年2月28日:熟悉所选用的算法,运用所学的数学以及计算机理论知识,完成算法的实现,提出改进方案,完成开题报告;

2019年3月1日-2019年3月31日:实现算法的改进,在公共数据集上测试算法性能,完成与已有的同类算法的比较实验;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 主要参考文献

[1] parkhi, omkarm., andrea vedaldi, and andrew zisserman. "deep face recognition."british machine vision conference, 2015.

[2] zhang, xiao, etal. "range loss for deep face recognition with long-tailed trainingdata." ieee conference on computer vision and pattern recognition, 2017.

[3] ignatov,andrey, et al. "ai benchmark: running deep neural networks on androidsmartphones." arxiv preprint arxiv:1810.01109 (2018).

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。