高效PolyFace: 计算预算下的ICCV19轻量级人脸识别竞赛突破

面向触发器约束的人脸识别是一项针对轻量级计算环境的挑战，特别是在大规模面部识别任务中，尤其是当计算预算有限时。ICCV19的轻量级面部识别挑战[2]作为开放源代码面部识别竞赛中的佼佼者，强调了模型的效率和一致性，要求提交的模型在1GFLOPs和30GFLOPs的计算路径下运行，且需在不同数据格式（如小型图像和大型视频）上表现优秀。 在这个挑战中，研究团队由刘瑜等人组成，他们专注于基于图像和视频的两条主要路径。首先，基于图像的基线模型采用两种不同的CNN架构，即R100[1]和他们提出的创新网络架构PolyFace。PolyFace的设计灵感源自PolyNet[11]，它通过重复其基础模块（如图1所示）来构建，以实现深度学习特征的有效提取。该模型的主要结构包括一个上采样和卷积层组成的“主干富集块”，用于处理原始数据并将其扩展到235×235的空间大小，然后压缩回112×112。 在PolyFace的主干部分，最后采用一个具有256个外通道的全连接层来生成面部识别特征向量，接着是BatchNorm1d层以提升模型性能。值得注意的是，为了满足挑战的限制，团队还提出了一种新颖的损失函数ArcNegFace，以及帧聚合方法QAN++，这些技术旨在进一步提高模型的效率和识别精度。 基本模型EfficientPolyFace在112×112输入尺寸下，仅需28.25GFLOPs就能达到94.198%的准确率（@1e-8），显示了其在轻量级计算条件下的强大能力。另一方面，通过将PolyFace与QAN++相结合的解决方案“PolyFace+QAN++”，则针对基于视频的大型轨道，仅需24.12GFLOPs就实现了72.981%的准确率（@1e4），这在比赛中创造了新的记录。 团队在实现过程中还应用了一系列优化技巧，如增强效果、规则人脸处理、标签平滑和锚点微调，这些都在保证模型性能的同时，有效控制了计算成本。这项研究不仅展示了如何在轻量级人脸识别领域取得突破，也为其他领域的低资源计算任务提供了有价值的经验和方法论。