我想创建一个用于人脸检测的移动应用，并且我想使用常规的深度学习（卷积网络）来实现。我将在我的电脑上进行训练，并在移动应用中使用训练好的数据。

我的问题是：在像iPhone这样的普通手机上能否实现非常快速的计算？我需要它非常快，能够在1秒内检测到视频中的面孔。这在移动设备上可能吗？还是这种任务需要更强大的硬件？

我知道训练阶段必须在强大的计算机上进行，但我指的是在移动设备上的生产阶段。

例如，如果我把手机放在街上，它能用训练阶段的相同深度网络检测到所有人的脸吗？

回答：

是的，这是可能的，但不是用标准的CNN架构，需要进行一些改动：

• 一种方法是使用二进制权重的CNN，这样评估CNN只需进行位运算。关于这一点有很多出版物，比如这个，这个或这个。我见过一个使用二进制权重的YOLO实现，在iPhone上实时运行，所以这是完全可能的。
• 第二种方法是减少神经网络的参数数量，例如，如果你训练了一个有5000个权重的网络，并且检测性能接近你想要的，那么这个网络可能会实时运行。但这更难实现。
• 第三种方法是优化神经网络架构以最小化参数，并结合非常优化的实现。有加速卷积操作的算法，比如L-CNN，或者cuDNN实现的那些算法。

一个非常好的相关资源是第一届国际深度神经网络高效方法研讨会的演讲和论文。