| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 边缘智能发展与演进 | 第10-11页 |
| 1.2 人脸识别国内外现状 | 第11-15页 |
| 1.2.1 人脸识别研究现状 | 第11-13页 |
| 1.2.2 深度学习研究现状 | 第13-14页 |
| 1.2.3 基于深度学习的人脸识别研究现状 | 第14-15页 |
| 1.3 深度学习框架发展现状分析 | 第15-20页 |
| 1.3.1 深度学习框架发展现状 | 第15页 |
| 1.3.2 Tengine推理框架发展现展现状 | 第15-20页 |
| 1.4 课题主要研究内容与论文结构 | 第20-22页 |
| 1.4.1 课题主要研究内容 | 第20页 |
| 1.4.2 论文结构 | 第20-22页 |
| 第二章 边缘智能的算力分析与模型优化 | 第22-25页 |
| 2.1 边缘智能的算力分析 | 第22页 |
| 2.2 边缘智能的模型优化 | 第22-23页 |
| 2.3 Tengine及 HCL优化 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 边缘智能平台的搭建与常见开发方法 | 第25-41页 |
| 3.1 边缘智能的硬件平台搭建 | 第25-26页 |
| 3.2 边缘智能的软件系统搭建 | 第26-29页 |
| 3.2.1 编译固件 | 第26-27页 |
| 3.2.2 固件烧录 | 第27-28页 |
| 3.2.3 Tengine环境搭建 | 第28-29页 |
| 3.3 边缘智能的常见开发方法与Tengine测试 | 第29-40页 |
| 3.3.1 边缘智能常见开发方法 | 第29-31页 |
| 3.3.2 Tengine性能测试与对比 | 第31-35页 |
| 3.3.3 基于EAIDK的性能优化 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 人脸识别算法的设计与实现 | 第41-56页 |
| 4.1 人脸识别算法的设计 | 第41-47页 |
| 4.1.1 人脸识别算法的演进 | 第41页 |
| 4.1.2 人脸识别算法的实现 | 第41-45页 |
| 4.1.3 人脸识别算法的损失函数 | 第45-47页 |
| 4.2 人脸识别算法的实现 | 第47-55页 |
| 4.2.1 深度学习框架介绍 | 第47-48页 |
| 4.2.2 人脸识别数据集介绍 | 第48-49页 |
| 4.2.3 人脸识别训练过程实现 | 第49-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 人脸识别在边缘平台的部署及实现 | 第56-67页 |
| 5.1 模型转换 | 第56-57页 |
| 5.2 Tengine推理代码实现 | 第57-61页 |
| 5.3 人脸识别的实现 | 第61-64页 |
| 5.4 人脸识别性能评价 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文总结 | 第67页 |
| 6.2 论文展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录1 攻读硕士学位期间申请的专利 | 第72-73页 |
| 致谢 | 第73页 |