EdgeFace ซึ่งเป็นโมเดลการจดจำใบหน้าน้ำหนักเบาที่ปรับให้เหมาะกับการใช้งานบนมือถือหรืออุปกรณ์ Edge ปัจจุบันเป็นเทคโนโลยีล้ำสมัยสำหรับการวัดประสิทธิภาพทั้งหมดบน Papers with Codeลีดเดอร์บอร์ด-
ต่างจากรุ่นที่ "หนักกว่า"ไม่ต้องอาศัยโครงข่ายประสาทเชิงลึกสำหรับการมองเห็นด้วยคอมพิวเตอร์ ทำให้เหมาะอย่างยิ่งสำหรับการผสานรวมเข้ากับอุปกรณ์แบบ Edge ที่มีทรัพยากรในการคำนวณจำกัด มีความทันสมัยในชุดข้อมูลต่างๆ รวมถึง LFW, Age DB-30, CFP-FP, IJB-B, IBJ-C, CALFW และ CPLFW
ศาสตราจารย์ เซบาสเตียน มาร์เซล โพสต์ข่าวไปยัง LinkedIn โดยเสริมว่าเทคนิค SynthDistill ของทีมเดียวกันในการฝึก "แบบจำลองการจดจำใบหน้า TinyFaR" แบบมีน้ำหนักเบาโดย "การกลั่นความรู้เกี่ยวกับแบบจำลองการจดจำใบหน้าของครูที่ได้รับการฝึกอบรมล่วงหน้าโดยใช้ข้อมูลสังเคราะห์" ถือเป็นความล้ำหน้าในเอกสารที่แยกออกมา ด้วยลีดเดอร์บอร์ดโค้ดเพื่อน้ำหนักเบาการจดจำใบหน้า-
ทีมงานที่รับผิดชอบคือกลุ่ม Biometrics Security & Privacy (BSP) ที่- EdgeFace ของพวกเขากระดาษได้รับการตีพิมพ์ใน IEEE Transactions on Biometrics, Behavior, and Identity Science (เล่ม: 6, ฉบับที่: 2 เมษายน 2024)
ตามข้อมูลเชิงนามธรรม Edgeface เป็นโมเดลไฮบริดที่รวมจุดแข็งของทั้งโครงข่ายประสาทเทียมแบบหมุน (CNN) และโมเดล Transformer รวมถึงเลเยอร์เชิงเส้นระดับต่ำ เพื่อให้ได้ความแม่นยำสูงในการจดจำใบหน้า ขณะเดียวกันก็รักษาต้นทุนการคำนวณต่ำและพื้นที่จัดเก็บข้อมูลขนาดกะทัดรัด
ขึ้นอยู่กับสถาปัตยกรรม EdgeNeXt ที่มีอยู่แล้ว ซึ่งได้รับการปรับเปลี่ยนเพื่อประสิทธิภาพในการประมวลผลข้อมูล
ที่รหัสสำหรับ EdgeFaceเป็นที่เปิดเผยต่อสาธารณะ
หัวข้อบทความ
------
