Use este identificador para citar ou linkar para este item:
https://repositorio.ufms.br/handle/123456789/12378
Tipo: | Artigo de Evento |
Título: | Experimental Evaluation of Quantization Methods in Facial Recognition |
Autor(es): | CARLOS HENRIQUE MOITINHO MONTEIRO |
Primeiro orientador: | EDSON TAKASHI MATSUBARA |
Resumo: | Para o estudo foram avaliados e testados processos de otimização de modelos de aprendizado de maquina de diferentes tipos e em diferentes cenários, verificando como que diferentes processos aplicados sobre cada modelo os afeta. |
Abstract: | This work presents an experimental evaluation of the effects of quantizing embedding gene- ration models when applied to face recognition. Two models - Facenet (based on Inception-ResNet) and Transface (based on Vision Transformer) - are compared under different precision formats (FP32 and INT8) and inference backends (Torch and ONNX). Experiments were carried out on the LFW, VGGFace2 and CelebA datasets, assessing Rank-1 accuracy and employing cosine distance as the me- tric similarity metric. The results show that more established models, such as Facenet, are more robust to quantization, maintaining accuracy even in reduced precision formats, where Transface suffers no- ticeable degradation when quantized. Moreover, quantizing the embeddings vectors yielded up to an 80% reduction in storage requirements without significantly impacting performance. These findings underscore the feasibility of quantization as a strategy of optimizing models in resource constrained environments. |
Palavras-chave: | Facenet Transface Quantização LFW VGGFace2 CelebA Torch ONNX |
País: | |
Editor: | Fundação Universidade Federal de Mato Grosso do Sul |
Sigla da Instituição: | UFMS |
Tipo de acesso: | Acesso Aberto |
URI: | https://repositorio.ufms.br/handle/123456789/12378 |
Data do documento: | 2025 |
Aparece nas coleções: | Engenharia de Computação - Bacharelado (FACOM) |
Arquivos associados a este item:
Arquivo | Tamanho | Formato | |
---|---|---|---|
29545.pdf | 653,5 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.