本研究探讨了数据属性在图像分类和目标检测中对轻量级卷积神经网络的选择和设计的影响。实验结果显示类别数目、目标颜色、图像分辨率和目标尺度对模型大小和效率有影响。通过度量学习的类别相似度度量，可以指导这些属性的评估，实现轻量级模型。应用这些评估和方法选择机器人路径规划应用的轻量级模型，计算量减少了66%，精度提高了3.5%。

本研究使用轻量级卷积神经网络进行多任务学习，识别人脸和分类面部属性。使用MobileNet、EfficientNet和RexNet架构提出了几种模型，并在数据集上证明了它们的有效性。此外，将已训练的模型用作视频帧中面部区域的特征提取器，识别精度比以前已知的模型高4.5%。