论文部分内容阅读
长久以来,因梯度弥散与参数规模较大,深层神经网络在轻量级嵌入式设备上的应用并不多。本文提出了一种基于深度可分离卷积思想的Xception模型,在轻量级嵌入式平台实现了高性能的实时视频识别,并首次通过对泛化的人脸和表情分析感知人们的注意力信息,应用于课堂教学质量分析。在ARM平台上相比普通CNN模型大幅度缩小了CPU、GPU等资源占用,证明实时脸部表情评估可在如nVIDIAJetsonNano等小型计算终端上应用于课堂教学质量分析等场景。