发布时间:2021-08-03 09:38 作者:未知
今天给大家带来的是确保算法精度无损的百度大脑FaceID人脸识别模型量化技术,下面我们来看具体详情!
随着FaceID人脸识别技术在手机、IoT等设备的普及,受能耗和设备体积的限制,端上硬件的计算性能和存储能力相对较弱,这给端上人脸识别带来了新的挑战——需要更小更快更强的模型。
为了实现FaceID人脸识别技术在移动端上更快更准的运行,量化就成为一个重要手段。量化简单来说,就是用更低比特数据代替原浮点数据,已达到缩小模型的过程。其核心的挑战,是如何在减少模型数据位宽的同时,保证人脸识别的准确率。为了解决人脸识别速度和精度的平衡问题,就需要考虑整个人脸识别过程中的诸多因素,接下来依次阐述人脸模型量化的好处、使用传统量化面临的问题、百度FaceID人脸识别模型量化技术/量化收益、以及对不同芯片的支持情况等。
1、人脸模型量化的好处
人脸模型量化,是将以往用32/64bit表达的浮点数,用8/16bit甚至1bit、2bit等占用较少内存空间的形式进行存储。量化之后的好处是:
减少模型体积。降低模型存储空间需求,使模型更容易在端上部署。
压缩成本。降低端设备内存带宽,及数据访问功耗,使得设备运维成本降低。
加速计算。针对支持SIMD(单指令流多数据流)的设备,以128-bit寄存器为例,单个指令可以同时运算4个32位单精度浮点,或8个16位整型,亦或16个8位整型。显然8位整型数在SIMD的加持下,运算速率要更快。在大部分ARM芯片上可以实现40%到一倍的加速。
2、人脸模型使用传统量化面临的问题:精度受损
传统的人脸识别模型量化映射方式,是将32bit浮点数转换成8bit整数,转换过程分为三种方式:
非饱和方式:将模型中浮点数正负绝对值的最大值映射到整数的最大最小值。
饱和方式:先计算模型中浮点数的阈值,然后将浮点数的正负阈值映射到整数的最大最小值。
仿射方式:将模型中浮点数的最大最小值映射到整数的最大最小值。
图片说明:红色代表非饱和方式,黄色代表饱和方式,绿色代表仿射方式
那么,使用传统的量化方式,对人脸识别模型进行量化时,无论哪种映射方式,都会受到离群点、float参数分布不均匀的影响,造成量化后识别精度损失增加。如图,由于左侧的离群点,使得量化的范围更大,让量化后的右侧数值点变的过度密集,增大了量化损失。
3、百度大脑FaceID人脸识别模型量化原理
针对人脸识别模型量化过程中的精度损失情况,百度FaceID团队通过对量化技术的研究总结,发现模型量化主要包括两个部分,一是对权重Weight量化,一是针对激活值Activation量化。同时对两部分进行量化,才能获得最大的计算效率收益。
针对模型权重Weight量化,百度FaceID人脸识别技术研究人员在做模型训练的时候,加入了网络正则化等手段,实现了让权重分布更紧凑,减少了离群点、不均匀分布等情况的发生。
针对激活值Activation量化,百度研究人员采用了一种全新的量化方法,在量化激活值之前,去掉一些离群点来降低模型量化带来的精度损失。百度提出截断式的激活函数,该截断的上界,即α是可学习的参数,这保证了每层能够通过训练学习到不一样的量化范围,最大程度降低量化带来的舍入误差。
如上图,百度FaceID人脸识别模型的量化的方法是,不断裁剪激活值范围,使得激活值分布收窄,从而降低量化映射损失。具体量化公式如下:
通过对激活数值做裁剪,从而减少激活分布中的离群点,使量化模型能够得到一个更合理的量化scale,降低量化损失。
4、百度大脑FaceID人脸识别模型量化收益
人脸识别模型作为FaceID端人脸识别技术中体积最大、模型最耗时、对结果影响最直接的模块,如何有效的对模型进行加速的同时保证模型精度不变显得至关重要。结合百度自研的量化技术及PaddleLite预测库加速,我们实现了在RK3288 ARM芯片上有一倍的加速,同时可以保持模型精度不变。
5、百度大脑FaceID人脸识别模型量化技术对不同芯片的支持
百度FaceID人脸识别量化技术不仅在ARM系列芯片上验证有效,在不同NPU芯片上也取得了不俗效果。其中针对目前常用海思3559、RV1109两款芯片做了量化前后速度及精度对比。在不同芯片上,量化技术都能在速度及精度上取得最佳平衡,实现精度几乎不降的同时加速1倍左右。针对不同芯片做了不同模型适配,目前已支持17款芯片SDK专项适配,助力不同客户业务开发需求落地。