基于輕量級網絡的人民幣鑒偽算法研究*

嚴 晶 任明武

（南京理工大學計算機科學與工程學院 南京 210000）

1 引言

目前，隨著人們生活和科學技術的不斷發展，智能手機已經普惠大眾。當下的智能手機更是搭載了高分辨率相機，利用智能手機的高分辨率相機拍攝人民幣特征區域甚至可以看到人眼都無法看清的人民幣紋理細節。且隨著支付寶、微信等第三方支付工具的興起，人們可能不具備人民幣鑒偽的能力，則有可能受到欺騙。

在過去的幾年中，深度神經網絡已經取得了顯著的發展，同時這些網絡的計算復雜度和資源消耗也不斷增加。例如，廣泛使用的VGG16［8］網絡模型在對單張224*224 大小的圖像進行分類的時候，需要500M 以上的存儲空間以及15B FLOPs。在實時應用程序或者資源受限的設備中，這些網絡的部署產生了巨大的挑戰。傳統的解決方法是把模型的前向推理放在服務器上，然后通過網絡將預測結果傳回終端并上顯。這種解決方式比較依賴網絡，當終端處于無網或者網絡延時等的情況下，將無法保證應用程序的實時性。近年來，在無人駕駛、智能手機等嵌入式和移動設備取得了迅速發展，在這些設備上部署CNN 模型的需求變得越來越強烈，這也推動了對計算效率高，模型體積小的CNN 的研究。人們主要從三個方面進行了研究探索［24］：1）在原有的模型基礎上進行網絡剪枝與壓縮，比如進行網絡剪枝［7，17］、量化［13］、低秩分解等，但非結構化的稀疏模型需要專門的軟/硬件支持［17］；2）緊湊網絡設計，比如MobileNet［12］，shuffleNet［2，9］，Xception［6］等；……