Nov, 2023

轻量级人脸识别：改进的 MobileFaceNet 模型

PDF
TL;DR本研究详细探讨和比较了轻量级人脸识别模型，特别关注 MobileFaceNet 及其修改版 MMobileFaceNet。我们研究了数据集选择、模型架构和优化算法对人脸识别模型性能的影响。通过在 EFaR-2023 竞赛中的参与，我们的模型在参数受限的类别中表现出色。通过使用 Webface42M 数据集的子集和集成锐度感知最小化（SAM）优化，我们在各种基准测试中实现了显着的精度提升，包括跨姿势、跨年龄和跨种族的性能。结果凸显了我们方法在打造既计算高效又在不同条件下保持高精度的模型方面的有效性。
发现论文，激发创造
  • MobiFace: 移动设备上轻量级深度学习人脸识别

    本研究提出了一种名为 MobiFace 的轻量级深度神经网络，可在移动设备上进行人脸识别，并在某些情况下表现出与大型深度网络的竞争力。

    Nov, 2018

  • MobileFaceNets：基于移动设备实时高准确度人脸验证的高效卷积神经网络

    本文提出了 MobileFaceNets 类的 CNN 模型，其使用不到 100 万个参数，专为移动和嵌入式设备上的高准确度实时人脸验证而设计，并成功解决了普通移动网络在人脸验证方面的弱点，达到了与数百 MB 大小的最新大型 CNN 模型相媲美的高精度和更多超过 MobileNetV2 2 倍的实际加速。

    Apr, 2018

  • PocketNet：极轻量级人脸识别网络，使用神经结构搜索和多步知识蒸馏

    PocketNet 是一种高度精准且轻量级的人脸识别解决方案，通过神经架构搜索和基于知识蒸馏的新型训练范式来提高模型的紧凑性和性能，并在九个基准测试中超越了当前最先进的紧凑型 FR 模型。

    Aug, 2021

  • 基于轻量级神经网络的多任务学习的面部表情和属性识别

    本研究探讨轻量级卷积神经网络的多任务学习，用于识别人脸和分类面部属性（年龄，性别，种族），并在没有距离边缘的剪裁人脸上进行训练，需要微调这些网络以预测面部表情；使用 MobileNet、EfficientNet 和 RexNet 架构提出了几种模型，并在 UTKFace 数据集上证明了它们接近最新的年龄、性别和种族识别结果，在 AffectNet 数据集的情感分类上也表现出色；此外，展示了将已训练的模型用作视频帧中面部区域的特征提取器，其识别精度比以前已知的情感分类挑战的单一模型高 4.5％。

    Mar, 2021

  • 面向边缘设备的高效人脸识别模型

    本文介绍了 EdgeFace，这是一种轻量级高效的人脸识别网络，它结合了 CNN 和 Transformer 模型的优势，使用低秩线性层优化了计算性能，适用于边缘设备，并在多个领域取得了理想的人脸识别结果。

    Jul, 2023

  • MixFaceNets：极高效的人脸识别网络

    针对面部验证应用所需要效率极高和吞吐量大的需求，本文提出了基于混合深度卷积核的一组极其高效的深度学习模型 MixFaceNets，在多个数据集中对模型进行了评估，结果表明在计算复杂度相同的情况下，MixFaceNets 在所有的数据集上性能优于 MobileFaceNets，同时在计算复杂性在 500M 和 1G FLOPs 之间时，我们 MixFaceNets 的结果与排名前几位的模型相当，同时使用的 FLOPs 更少，验证了我们提出的 MixFaceNets 的实用价值。

    Jul, 2021

  • 深度网络剪枝：关于人脸识别中 CNN 的比较研究

    通过深度网络剪枝等方法，对基于小型 SqueezeNet、流行的 MobileNetv2 和 ResNet50 架构的网络进行压缩，以实现移动设备上的可靠且实时的人脸识别。

    May, 2024

  • FDLite: 单阶段轻量级人脸检测网络

    本文提出了一种定制的轻量级背骨网络 (BLite) 和一种轻量级人脸检测器 (FDLite)，采用常用的损失函数和学习策略进行训练，并在 WIDER FACE 验证数据集的不同子集上分别达到了 92.3%、89.8% 和 82.2% 的平均准确率 (AP)。

    Jun, 2024

  • Ef-QuantFace: 精简的小数据和低比特精度人脸识别

    该研究论文介绍了一种以高效为驱动的模型量化方法，使用比传统方法小 440 倍的数据集进行微调，通过引入评估基于指标的损失，该方法在 IJB-C 数据集上实现了 96.15% 的准确率，建立了面部识别领域新的压缩模型训练的最新技术。

    Feb, 2024

  • WebFace260M: 百万级深度人脸识别性能评估基准

    该研究创建了一个新的百万级人脸基准数据集，包含清理后的面部图像，以及设计了一种时间约束的评估协议，建立了分布式框架以有效地训练人脸识别模型，并在 FRUITS 协议下建立了广泛的基准线。

    Mar, 2021