当前位置：网站首页>清华大学 | WebFace260M：百万级深度人脸识别的基准（TPAMI2022）

清华大学 | WebFace260M：百万级深度人脸识别的基准（TPAMI2022）

2022-04-23 21:44:00 【智源社区】

论文标题：WebFace260M: A Benchmark for Million-Scale Deep Face Recognition

论文链接：https://arxiv.org/abs/2204.10149

作者单位：清华大学 & 芯翌科技 & 帝国理工学院

人脸基准使研究界能够训练和评估高性能的人脸识别系统。在本文中，我们提供了一个新的百万级识别基准，包含未经处理的 4M 身份/260M 人脸 (WebFace260M) 和清洁的 2M 身份/42M 人脸 (WebFace42M) 训练数据，以及精心设计的时间约束评估协议。首先，我们收集了 4M 的名单并从 Internet 下载了 260M 的面孔。然后，设计了一种自动利用自我训练 (CAST) 的清洗管道来净化巨大的 WebFace260M，它是高效且可扩展的。据我们所知，清理后的 WebFace42M 是最大的公共人脸识别训练集，我们希望缩小学术界和工业界之间的数据差距。参考实际部署，构建了推理时间约束下的人脸识（FRUITS）协议和一个新的具有丰富属性的测试集。此外，我们收集了一个大规模的蒙面人脸子集，用于 COVID-19 下的生物特征评估。为了对人脸匹配器进行综合评估，分别在标准、蒙面和无偏设置下执行三个识别任务。借助这个基准，我们深入研究了百万级的人脸识别问题。开发了一个分布式框架来有效地训练人脸识别模型而不篡改性能。在 WebFace42M 的支持下，我们在具有挑战性的 IJB-C 集上降低了 40% 的失败率，并在 NIST-FRVT 的 430 个条目中排名第三。与公共训练集相比，即使是 10% 的数据 (WebFace4M) 也显示出卓越的性能。此外，在 FRUITS-100/500/1000 毫秒协议下建立了全面的基线。提议的基准在标准、蒙面和无偏见的人脸识别场景中显示出巨大的潜力。

版权声明
本文为[智源社区]所创，转载请带上原文链接，感谢
https://hub.baai.ac.cn/views/16625

边栏推荐

猜你喜欢

随机推荐