- 視覺偉業VMFace挑戰經典神經網絡算法,以極大優勢獲勝
- post time:2018-06-07
近日,VMFace團隊以騰訊開源的ncnn神經網絡框架作為benchmark測試基準,在嵌入式板瑞芯微RK3399上進行了算法性能測試, VMFace算法以平均耗時71.55ms的速度,遠遠超過了squeezenet、mobilenet、mobilenet_v2、googlenet等人工智能領域經典神經網絡算法。(benchmark由來:)
▊ 對比結果顯示
神經網絡框架ncnn是騰訊優圖實驗室首個開源項目,是一個為移動終端極致優化的高性能神經網絡前向計算框架。它具有無第三方依賴,支持跨平臺,計算速率極快,內存占用極低等特點,ncnn的速度快于目前所有已知的開源框架。
▊ 騰訊視頻優圖開放性app平臺
其測試環境更貼近實際運用,基于騰訊平臺開放自由的特點,測試數據數量更多,規模更大。同時這些測試數據均不公開,有效避免算法過擬合甚至是作弊手段,測試結果更具權威性。此次,VMFace算法的速度以絕對的優勢超過了目前業界知名的神經網絡算法,這是視覺偉業公司深耕技術的結果。
對于人力智慧方向的圖像匹配新星,在今年介紹,在LFW庫(注釋:Labeled Faces in theWild的簡稱,由馬薩諸塞大學于2007年建立,用于評測非約束條件下的人臉識別算法性能,是國際權威的人臉識別公開數據集。)中的評測,VMFace算法精度高達99.63%,相較于第二位的MobileFaceNet,誤識別系統率削減了18%。
▊ LFW臉部辨認神經網絡算法準確度最后
如今,以ncnn作為測試基準,VMFace又證明了自己在計算速度上的優勢,這是Leo博士帶領50余名VMFace計算方法項目團隊全體成員相同努力奮斗的成果,更要VMFace算法為基礎不間斷發展進步的論證。
隨著現代計算機技術的發展,人臉識別技術在安全驗證、人機交流、公安系統等方面得到了廣泛的使用,擁有VMFace算法的視覺偉業,基于人臉識別技術的應用面向廣大用戶提供智慧安防、智慧交通、智慧商業領域的解決方案,為智慧城市插上騰飛的翅膀。
PS:所述比的周圍神經無線網絡圖像匹配詳情以上論文題目描敘:
[1]SqueezeNet: AlexNet-level accuracywith 50x fewer parameters and <0.5MB model size