FaceNAS: Búsqueda de arquitectura neuronal para detección de rostros

Abstract

La Búsqueda de Arquitectura Neuronal (NAS) ha adquirido relevancia en el área de clasificación de imágenes debido a su capacidad para impulsar los avances, permitiendo encontrar redes más precisas y eficientes. Este método, generalmente aplicado en la búsqueda de redes neuronales para clasificación, no obtienen resultados similares entre su tarea de clasificación y detección, pudiendo tener buen desempeño en una de estas tareas y mal desempeño en la otra. En este contexto, esta tesis se enfoca en crear un método de búsqueda de arquitectura NAS directamente enfocada en la detección, particularmente en la detección de rostros. Este nuevo método permite trabajar y adaptarse a diversas restricciones, como operaciones de punto flotante por segundos (FLOPs) o la latencia de la red en diferentes dispositivos, según las necesidades del usuario. La red neuronal resultante se evalúa utilizando la base de datos de rostros llamado WIDER FACE, lo que permite comparar esta nueva red encontrada con diversas redes convolucionales pertenecientes al estado del arte en esta tarea específica. Como resultado de este nuevo método, se logran obtener redes neuronales con mejor precisión y competir con el estado el arte, incluso incrementando la velocidad en hasta 1.63 veces.