不得不赞!京东开源FaceX-Zoo,一站式人脸识别研究平台

不得不赞!京东开源FaceX-Zoo,一站式人脸识别研究平台

 

作者:CV君

 

近日,京东AI研究院开源了FaceX-Zoo,一个专为人脸识别而生的开源库,论文 FaceX-Zoo: A PyTorch Toolbox for Face Recognition 详述了其特点,不仅方便比较研究不同的方法,还针对实际应用开发了特定功能(如人脸戴口罩、Shallow Face Learning 等)。非常值得关注!

 

该文作者信息:

 

不得不赞!京东开源FaceX-Zoo,一站式人脸识别研究平台

链接:https://arxiv.org/pdf/2101.04407.pdf

代码:https://github.com/JDAI-CV/FaceX-Zoo

 

下图展示了FaceX-Zoo的全貌:

 

不得不赞!京东开源FaceX-Zoo,一站式人脸识别研究平台

 

整体上分为人脸识别训练模块、评估模块和应用组件。

 

训练模块支持多种人脸图像预处理,支持多个主流骨干网和监督学习头,并提供了多种并行和加速策略。

 

评估模块除了预处理和多种骨干网可选外,还针对主流人脸数据集的评估协议进行了兼容,方便算法比较。

 

应用组件则提供了可人脸识别实际应用中需要的人脸识别、对齐、戴口罩等功能,后续官方还计划加上人脸解析、重打光等。

 

下表是使用不同的骨干网(使用MV-Softmx做Head)在多个人脸数据集上的识别结果:

 

不得不赞!京东开源FaceX-Zoo,一站式人脸识别研究平台

 

部分工作是2020年新出的,可帮助研究人员节省大量的时间。在部分数据集上如CPLFW、RFW、MageFace上性能差别很大。

 

下表是使用不同监督学习Head(使用MobileFaceNet做骨干网)在多个人脸数据集上的识别结果:

 

不得不赞!京东开源FaceX-Zoo,一站式人脸识别研究平台

 

可见,相同骨干网下各个Head(损失函数)所得到的结果差别不是很大。

 

从上面两个表格中我们可以看得出,骨干网对最终精度的影响更大,近几年出现的损失函数貌似并没有太大区别。

 

针对在实际应用中单ID训练样本可能极少的Shallow Face Learning问题,作者开发了普通和Semi-siamese 两种训练方式,其对比结果如下:

 

不得不赞!京东开源FaceX-Zoo,一站式人脸识别研究平台

 

可见使用Semi-siamese 策略后,性能暴增!

 

看来这种跟数据强相关的技术,对精度的提升更明显。

 

为了增加训练集戴口罩人脸图像,作者们特别开发了给人脸戴口罩的技术扩充样本:

 

不得不赞!京东开源FaceX-Zoo,一站式人脸识别研究平台

 

总之,研究人脸识别的小伙伴,这绝对是一个不容错过的开源库~

 

感谢京东AI的开源~

转载请注明:《不得不赞!京东开源FaceX-Zoo,一站式人脸识别研究平台