艾菲斯:基于人工智能和增强的几次射击学习的高效人脸识别方法
1Smart Systems Engineering Laboratory, Communications and Networks Engineering Department, College of Engineering, Prince Sultan University, Riyadh, 11586, Saudi Arabia. mnasralla@psu.edu.sa.
Scientific reports
|November 29, 2025
概括
本研究介绍了AIFS,这是一个混合面部识别系统,结合了传统和深度学习方法. 它在低数据场景中达到99%的准确性,为实时AI应用提供了可扩展的解决方案.
科学领域:
- 人工智能的人工智能
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 在资源有限的环境中,面部识别需求正在增加.
- 目前的系统在低数据和有限的计算能力下扎.
- 需要可扩展的AI解决方案来实现实时自适应面部识别.
研究的目的:
- 引入AIFS,一个高效的混合面部识别框架.
- 统一传统的基于特征的学习与少数镜头的深度学习.
- 解决现有的面部识别系统的局限性.
主要方法:
- 一种混合的罗式建筑,结合了边缘和云路径.
- 边缘路径:维奥拉-斯算法与粒子集群优化 (PSO).
- 云路径:有三重损失的姆网络,EfficientNetV2和InceptionV3.3的云路径.
主要成果:
- 在CPU,Raspberry Pi和GPU上验证了AIFS框架.
- 在Kaggle面部识别数据集上获得了高达99%的准确性.
- 在延迟,推断速度和资源效率之间证明了平衡.
结论:
- 艾菲斯是一个可扩展和强大的解决方案,用于实时面部识别.
- 在异质计算环境和低数据设置中有效.
- 适用于远程医疗,监视和生物识别身份验证.
