小视科技发布极致轻量级模型人脸识别sdk

       近日，小视科技正式发布定制解决方案——极轻模型人脸识别sdk该模型专为低算力设备 (如用 A7、A9等芯片设备) 设计旨在保持人脸识别的精度和速度。

       这次发布的极致轻量级模型，无声活体的通过率和人脸识别的精度都高达99.9%，在每个场景中都有稳定的性能。亮点不限于2000人的大底库容量和不到10万分之一的无声活体攻击成功率、毫秒活体检测 人脸识别速度也很有趣。

       众所周知，基本模型设计的质量将在很大程度上影响整个系统的精度，但也决定了整个模型的计算复杂性和成本。当设备计算能力有限时，如何设计高精度、快速、成本效益的模型结构已成为当前研究的重点。

       轻量级架构是一种直接思维，其本质是设计一个能够完成相应目标和任务的轻量级模型。然而，由于计算量的降低，模型的精度必然会降低。因此，对于轻量级模型设计来说，如何在有限的计算复杂性下使模型获得尽可能高的表达能力已经成为该思想的核心问题。

       小视科技极端轻量级模型设计借鉴M等主流轻量级网络obileFaceNet分组卷积结构，ShuffleNetV2的通道Shuffle结构和GhostNet的Ghost模块等模块，结合Attention搜索网络结构的机制，如A7，A9等低算力设备，在网络量级和模型精度之间做了很好的权衡。

       除了网络结构搜索，模型修剪技术的应用也取得了明显的效果：去除了大模型中的冗余参数，降低了模型的数量级，模型的精度损失很小，最终模型只有8个M但是非常准确。此外，在训练过程中，知识蒸馏的应用进一步提高了轻量级模型的精度。

   图:剪枝后的模型结构瘦身

       智能公安、智能酒店、智能办公、智能家居等安、智能酒店、智能办公、智能家居等业务场景。功能支持1:1.人证验证和1:N人脸识别，满足：手持身份验证设备、人脸门禁设备、自助终端设备、访客设备、人脸智能门锁等多种智能应用。

       在使用中，小视觉技术的极端轻量级模型不仅可以完美地适应低配置芯片，还可以利用旧设备提升人脸识别能力，降低成本，提高企业的效率。

       该项目的研究人员表示：我们的初衷是提出更智能、更高效的新模型。通过模型网络结构设计、剪枝、蒸馏等技术手段，突破计算能力的限制；使用更适度的硬件突破AI边界，普惠AI提供新的可能性!

       一个彩蛋：

       小视科技极端轻量级模型现提供免费试用服务!