共计 895 个字符，预计需要花费 3 分钟才能阅读完成。
编译 | CV 君
报道 | 我爱计算机视觉（微信 id：aicvml）
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，不仅不便比拟钻研不同的办法，还针对实际利用开发了特定性能（如人脸戴口罩、Shallow Face Learning 等）。十分值得关注！
该文作者信息：
链接：https://arxiv.org/pdf/2101.04…
代码：https://github.com/JDAI-CV/Fa…
下图展现了 FaceX-Zoo 的全貌：
整体上分为人脸识别训练模块、评估模块和利用组件。
训练模块反对多种人脸图像预处理，反对多个支流骨干网和监督学习头，并提供了多种并行和减速策略。
评估模块除了预处理和多种骨干网可选外，还针对支流人脸数据集的评估协定进行了兼容，不便算法比拟。
利用组件则提供了可人脸识别理论利用中须要的人脸识别、对齐、戴口罩等性能，后续官网还打算加上人脸解析、重打光等。
下表是应用不同的骨干网（应用 MV-Softmx 做 Head）在多个人脸数据集上的辨认后果：
局部工作是 2020 年新出的，可帮忙钻研人员节俭大量的工夫。在局部数据集上如 CPLFW、RFW、MageFace 上性能差异很大。
下表是应用不同监督学习 Head(应用 MobileFaceNet 做骨干网) 在多个人脸数据集上的辨认后果：
可见，雷同骨干网下各个 Head（损失函数）所失去的后果差异不是很大。
从下面两个表格中咱们能够看得出，骨干网对最终精度的影响更大，近几年呈现的损失函数貌似并没有太大区别。
针对在理论利用中单 ID 训练样本可能极少的 Shallow Face Learning 问题，作者开发了一般和 Semi-siamese 两种训练形式，其比照后果如下：
可见应用 Semi-siamese 策略后，性能暴增！
看来这种跟数据强相干的技术，对精度的晋升更显著。
为了减少训练集戴口罩人脸图像，作者们特地开发了给人脸戴口罩的技术裁减样本：
总之，钻研人脸识别的小伙伴，这相对是一个不容错过的开源库~
感激京东 AI 的开源~