基于Jetson nano的改进MobileNet人脸识别系统

摘要

现有的大多数人脸识别算法均采用深度学习中各种改进的卷积神经网络算法.但算法存在参数多,训练时间长等问题.因此,为了减少训练过程所消耗的时间和分类过程中的计算量,设计运用了改进的MobileNet算法来实现人脸识别,并将其移植到Jetson nano设备上构成完整的室外安防系统.将MobileNet模型中原本的SoftMax分类器进行了改进,通过对比实验,发现使用A-SoftMax分类器的效果要好于SoftMax.实验结果表明:本文提出的模型在LFW人脸数据库上达到97.4％的准确率,计算时间减少为传统卷积神经网络的1/9,计算参数减少为传统卷积神经网络的1/7.