\u200E
重磅| 飞桨正式引入Face.evoLVe高性能人脸识别库,助力人脸识别相关研究及应用发展
发布日期:2021-09-02T12:00:00.000+0000 浏览量:56次

人脸识别一直都是人工智能领域的研究热点,并被广泛应用于公共安全、金融支付等身份验证领域。


为了促进人脸识别算法的相关学术研究、应用落地并提升新方法的实现效率,中国科协青托赵健博士作为核心项目发起人组织设计并开源了可替换backbone、loss和trick bag的人脸识别工具箱Face.evoLVe,目前GitHub已累计获得2.5k Star。


自开源以来,全球范围内已有多家学术界、工业界研究机构基于Face.evoLVe斩获多项国际比赛冠亚军,如ICCV 2017 MS-Celeb-1M Large-Scale Face Recognition Hard Set/Random Set/Low-Shot Learning Challenges  、National Institute of Standards and Technology (NIST) IARPA Janus Benchmark A (IJB-A) Unconstrained Face Verifcation challenge and Identifcation challenge等,并在MS-Celeb-1M、IJB-A/B/C、MegaFace等多个数据集上同样获得了state-of-the-art 的性能表现。


而近期,赵健博士联合百度、国防科技大学等单位研究员针对Face.evoLVe进行了归纳总结,并于ArXiv联合发布了尝鲜版论文”Face.evoLVe: A High-Performance Face Recognition Library”,希望能够带给业界开发者更多新思路,更好地推动人脸识别及以人为中心的图像/视频理解相关领域的前沿研究。



飞桨版本开源代码:

https://github.com/ZhaoJ9014/face.evoLVe/tree/master/paddle


论文地址:

https://arxiv.org/pdf/2107.08621.pdf


Face.evoLVe将保持维护与更新,欢迎大家star和fork。


Face.evoLVe之所以受到业界开发者的广泛关注,并在多项国际竞赛中夺冠,源于其多项独特、领先的设计:



Face.evoLVe主要特性



图2. Face.evoLVe的主要特性



Face.evoLVe主要架构



为了确保整个使用流程更加便捷灵活,研究者把人脸识别算法框架分解为以下单元模块:

  • 主干网络(backbone)提取图像的特征。对齐后的图像输入主干网络,主干网络输出图像特征。该模块内嵌ResNet、IR、ResNeXt、DenseNet等13种主流网络模型。


  • 预测端(Head):输出预测值。预测端在主干网络的输出特征上进行计算,并输出预测值。Face.evoLVe提供了Focal loss、Center loss、SphereFace loss、CosFace loss、CircleLoss等16种损失函数。


图3. Face.evoLVe架构


除以上单元模块外,研人员还提供了一个trick包,包含:

  • 学习率调整:为了加快收敛速度、获得更优性能表现的模型,在训练过程中采用Warm-up等策略预热学习率,用Cosine annealing等 策略缩减学习率。
  • 标签平滑化:为了避免过拟合,增强模型的泛化能力,在训练过程中采用标签平滑策略。
  • 模型Tweak:微调网络结构,如改变卷积层的stride等。
  • 知识蒸馏:为了降低噪声标签的影响,采用从预训练模型获得的“暗知识”替代噪声标签。



多数据集支持



Face.evoLVe支持包括LFW、CFP_FF、AgeDB、CALFW和Vggface2_FP等在内的24个数据集(如下表),并提供了数据集的相应对齐版本,用户可以直接从库中提供的链接获取数据集。

表1. Face.evoLVe支持的部分数据集



多评测实验指标



在评测方面,Face.evoLVe提供了许多经过训练的模型,研究者可以非常方便地进行模型评估和比较,开发者也可以快速部署人脸识别模型。


为了探究不同模型对结果的影响,研究人员选择不同的主干网络和预测端组建识别算法,算法在不同数据集上的结果如下表所示。


表2. 不同主干网络和预测端组建的算法在多个数据集上的表现,MS-Celeb-1M用作训练集


表3. 不同主干网络和预测端组建的算法在多个数据集上的表现,WebFace260M用作训练集


从上述结果可以看出,更大规模的主干网络有助于学习更具区分度与泛化性的面部表征,而有效扩增训练数据、改善学习策略则有助于提升算法的精度。

Face.evoLVe 开源项目核心发起人

赵健 博士

简介:

赵健2012年获得北京航空航天大学学士学位,2014年获得国防科技大学硕士学位,博士毕业于新加坡国立大学电子与计算机工程系。视觉与学习青年学者研讨会VALSE资深领域主席、中国科协青托、中国图象图形学学会视觉大数据专业委员会CSIG-BVD委员、北京图象图形学学会BSIG第七届理事会理事,国家自然科学基金委评议专家,T-PAMI、IJCV、NeurIPS(NeurIPS 2018前30%最佳审稿人)、CVPR等本领域主流国际期刊/会议的受邀审稿人。


近5年已受理国家专利6项(序1),发表高水平学术论文40余篇,以及包括ICCV 2017 MS-Celeb-1M人脸识别竞赛Hard Set/Random Set/Low-Shot Learning全部任务全球冠军、PREMIA 2019 Lee Hwee Kuan奖(金奖)、NIST 2017IJB-A无约束人脸识别竞赛人脸验证与人脸鉴别全部任务全球冠军等在内的多项全球大型奖项。


更多详细信息,请参考:

https://github.com/ZhaoJ9014/face.evoLVe


长按下方二维码立即

Star

更多信息:

  1. 飞桨官方QQ群:793866180

  2. 飞桨官网网址:

    www.paddlepaddle.org.cn/

  3. 飞桨开源框架项目地址:

    GitHub:

    github.com/PaddlePaddle/Paddle 
    Gitee:

    gitee.com/paddlepaddle/Paddle

  4. 点击阅读原文,欢迎在飞桨论坛讨论交流~~



END


注:微信头图来自Ramón Salinero on Unsplash