hh.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
SqueezerFaceNet: Reducing a Small Face Recognition CNN Even More Via Filter Pruning
Högskolan i Halmstad, Akademin för informationsteknologi, Centrum för forskning om tillämpade intelligenta system (CAISR).ORCID-id: 0000-0002-1400-346X
Högskolan i Halmstad, Akademin för informationsteknologi, Centrum för forskning om tillämpade intelligenta system (CAISR).ORCID-id: 0000-0002-9696-7843
Computer Graphics and Vision and AI Group, University of Balearic Islands, Palma, Spain.
Högskolan i Halmstad, Akademin för informationsteknologi, Centrum för forskning om tillämpade intelligenta system (CAISR).ORCID-id: 0000-0002-4929-1262
2024 (Engelska)Ingår i: Progress in Artificial Intelligence and Pattern Recognition. IWAIPR 2023. / [ed] Hernández Heredia, Y.; Milián Núñez, V.; Ruiz Shulcloper, J., Cham: Springer, 2024, Vol. 14335, s. 349-361Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

The widespread use of mobile devices for various digital services has created a need for reliable and real-time person authentication. In this context, facial recognition technologies have emerged as a dependable method for verifying users due to the prevalence of cameras in mobile devices and their integration into everyday applications. The rapid advancement of deep Convolutional Neural Networks (CNNs) has led to numerous face verification architectures. However, these models are often large and impractical for mobile applications, reaching sizes of hundreds of megabytes with millions of parameters. We address this issue by developing SqueezerFaceNet, a light face recognition network which less than 1M parameters. This is achieved by applying a network pruning method based on Taylor scores, where filters with small importance scores are removed iteratively. Starting from an already small network (of 1.24M) based on SqueezeNet, we show that it can be further reduced (up to 40%) without an appreciable loss in performance. To the best of our knowledge, we are the first to evaluate network pruning methods for the task of face recognition. © 2024, The Author(s), under exclusive license to Springer Nature Switzerland AG.

Ort, förlag, år, upplaga, sidor
Cham: Springer, 2024. Vol. 14335, s. 349-361
Serie
Lecture Notes in Computer Science, ISSN 0302-9743, E-ISSN 1611-3349 ; 14335
Nyckelord [en]
Face recognition, Mobile Biometrics, CNN pruning, Taylor scores
Nationell ämneskategori
Signalbehandling
Identifikatorer
URN: urn:nbn:se:hh:diva-51299DOI: 10.1007/978-3-031-49552-6_30Scopus ID: 2-s2.0-85180788350ISBN: 978-3-031-49551-9 (tryckt)ISBN: 978-3-031-49552-6 (digital)OAI: oai:DiVA.org:hh-51299DiVA, id: diva2:1783322
Konferens
VIII International Workshop on Artificial Intelligence and Pattern Recognition, IWAIPR, Varadero, Cuba, September 27-29, 2023
Ingår i projekt
Ansiktsanalys i eran av mobila enheter och ansiktsmasker, Vetenskapsrådet
Forskningsfinansiär
VetenskapsrådetVinnova
Anmärkning

Funding: F. A.-F., K. H.-D., and J. B. thank the Swedish Research Council (VR) and the Swedish Innovation Agency (VINNOVA) for funding their research. Author J. M. B. thanks the project EX-PLAINING - "Project EXPLainable Artificial INtelligence systems for health and well-beING", under Spanish national projects funding (PID2019-104829RA-I00/AEI/10.13039/501100011033).

Tillgänglig från: 2023-07-20 Skapad: 2023-07-20 Senast uppdaterad: 2024-06-17Bibliografiskt granskad

Open Access i DiVA

fulltext(5075 kB)57 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 5075 kBChecksumma SHA-512
72af55c8493adf05bdf25bce5449c878b762d6098708f05ff992510e7566ca8b4a19ff924e5d42444fd131da54223a0c5c8188a3e9c7cd205bdef961175fa067
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Alonso-Fernandez, FernandoHernandez-Diaz, KevinBigun, Josef

Sök vidare i DiVA

Av författaren/redaktören
Alonso-Fernandez, FernandoHernandez-Diaz, KevinBigun, Josef
Av organisationen
Centrum för forskning om tillämpade intelligenta system (CAISR)
Signalbehandling

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 57 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 195 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf