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 TamanhoFormato 
29545.pdf653,5 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.