小視科技發布極致輕量級模型人臉識別sdk

       近日，小視科技正式發布定制解決方案——極輕模型人臉識別sdk該模型專為低算力設備 (如用 A7、A9等芯片設備) 設計旨在保持人臉識別的精度和速度。

       這次發布的極致輕量級模型，無聲活體的通過率和人臉識別的精度都高達99.9%，在每個場景中都有穩定的性能。亮點不限于2000人的大底庫容量和不到10萬分之一的無聲活體攻擊成功率、毫秒活體檢測 人臉識別速度也很有趣。

       眾所周知，基本模型設計的質量將在很大程度上影響整個系統的精度，但也決定了整個模型的計算復雜性和成本。當設備計算能力有限時，如何設計高精度、快速、成本效益的模型結構已成為當前研究的重點。

       輕量級架構是一種直接思維，其本質是設計一個能夠完成相應目標和任務的輕量級模型。然而，由于計算量的降低，模型的精度必然會降低。因此，對于輕量級模型設計來說，如何在有限的計算復雜性下使模型獲得盡可能高的表達能力已經成為該思想的核心問題。

       小視科技極端輕量級模型設計借鑒M等主流輕量級網絡obileFaceNet分組卷積結構，ShuffleNetV2的通道Shuffle結構和GhostNet的Ghost模塊等模塊，結合Attention搜索網絡結構的機制，如A7，A9等低算力設備，在網絡量級和模型精度之間做了很好的權衡。

       除了網絡結構搜索，模型修剪技術的應用也取得了明顯的效果：去除了大模型中的冗余參數，降低了模型的數量級，模型的精度損失很小，最終模型只有8個M但是非常準確。此外，在訓練過程中，知識蒸餾的應用進一步提高了輕量級模型的精度。

   圖:剪枝后的模型結構瘦身

       智能公安、智能酒店、智能辦公、智能家居等安、智能酒店、智能辦公、智能家居等業務場景。功能支持1:1.人證驗證和1:N人臉識別，滿足：手持身份驗證設備、人臉門禁設備、自助終端設備、訪客設備、人臉智能門鎖等多種智能應用。

       在使用中，小視覺技術的極端輕量級模型不僅可以完美地適應低配置芯片，還可以利用舊設備提升人臉識別能力，降低成本，提高企業的效率。

       該項目的研究人員表示：我們的初衷是提出更智能、更高效的新模型。通過模型網絡結構設計、剪枝、蒸餾等技術手段，突破計算能力的限制；使用更適度的硬件突破AI邊界，普惠AI提供新的可能性!

       一個彩蛋：

       小視科技極端輕量級模型現提供免費試用服務!