ForensicNet：轻量级AI模型提升人脸识别准确率

研究人员开发了ForensicNet，一个专为法庭环境中的自动人脸识别设计的轻量级深度学习模型。该模型集成了MobileNetV2架构和卷积块注意力模块（CBAM），以增强特征学习并保持计算效率。通过两阶段迁移学习方法，ForensicNet在公开数据集上达到了92.4%的准确率，优于AlexNet和ResNet-50等成熟模型，同时每次推理仅需2.1 GFLOPs，可实现实时应用。 AI

影响 该模型的效率和准确性有望提升实时法庭监控和识别能力。

排序理由 该集群包含一篇学术论文，详细介绍了新的模型架构及其在特定任务上的性能。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AlexNet
• Convolutional Block Attention Modules
• ForensicNet
• MobileNetV2
• ResNet-50
• SCFace

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →