人脸识别技术综述,出自OPPO研究院
关注公众号,发现CV技术之美
现如今人脸识别应用已经大规模走进我们的的生活,但人脸识别技术的研究仍然是计算机视觉的热点,还有哪些待解的问题?从应用的角度哪些新技术更值得关注?
向大家介绍一篇最近新出的人脸识别技术综述,作者来自工业界:OPPO研究院,其从工业应用的角度看待近年人脸识别技术的发展,值得关注。
作者信息:
论文地址:
https://arxiv.org/pdf/2212.13038.pdf
作者在文中介绍了人脸识别的历史、流程、基于传统人工设计特征或深度学习的算法、主流训练、评估数据集和相关应用。另外,作者们还尽力分析和比较了最先进的工作,通过实验研究主干大小和数据分布对系统性能的影响。
下图展示了人脸识别算法训练和推理的流程:
图一:人脸识别中的训练和推理流程
训练阶段,要经过人脸检测、人脸对齐,然后使用深度学习网络训练,提取特征。
特别值得一提的是,现如今针对人脸识别系统的攻击也越来越普遍,在人脸识别推理中,检测到人脸后,要进行系统反欺诈的真/假人脸的判断,这也成为人脸识别系统的重要标配。
人脸检测是人脸识别的第一步,现如今使用特征金字塔方法的人脸检测方法已经相对成熟,比如SRN、RetinaFace:
图二:SRN (AAAI 2019)
图三:RetinaFace (arXiv 2019)
论文中称,人脸检测的精度在实际使用中已经相对成熟,在自然视频等场景中已经可以较为准确的检测出人脸位置,而近几年的顶会也较少出现创新性的人脸检测方向论文。
人脸反欺诈已经成为人脸识别系统的必备步骤,这一步往往在人脸检测获取到人脸图像后。
图四:人脸反欺诈算法STDN (ECCV 2020)
人脸对齐(Face alignment)是为了消除人脸空间上的角度变化带来的类内扰动。但现在也有算法不再做对齐,由系统自动学习不随人脸角度变化的表示。
在训练和测试人脸识别模型部分,作者给出了一些实用技巧。比如,训练阶段,数据的增广是真实有效的,加噪声、模糊、颜色改变均可在训练阶段提高系统性能。而随机对人脸图像裁剪则应尽量避免,因为会破坏人脸对齐的结果。而水平人脸翻转在训练阶段可以认为是数据增广,在测试阶段则可讲翻转前后图像输入模型,得到的结果取平均,这可以进一步提高性能。
在算法部分,作者重点介绍了 designing loss function 设计Loss函数, refining embedding 嵌入提精, FR with massive IDs 大ID数据量的人脸识别, Cross domain in FR 跨域人脸识别, FR pipeline acceleration 人脸识别加速方法, close-set training 闭集人脸识别训练,Mask face recognition 带口罩人脸识别 ,Privacy-Preserving FR 隐私保护的人脸识别。
作者研究了主干网络对系统性能的影响,发现网络越“大”,当样本不断增多的时候,精度提升的潜力越大。
不同主干尺寸的模型在LFW、AgeDB、CFP-FP和IJB-C测试数据集上的结果
同时,作者研究了标注样本规模对系统识别性能的影响,发现随着样本规模越大,单个个体采样越多,系统性能不断提升,但到达一定程序,精度增长有限。
LFW、AgeDB、CFP-FP和IJB-C的结果。N S意味着相应的数据集有N个身份,每个身份有S个样本。
不同比例的长尾数据在LFW、AgeDB、CFP-FP和IJB-C上的结果
下表,总结了人脸识别相关的训练数据集信息:
表1 关于FR的训练数据集信息
人脸识别测试数据集信息:
表2 关于FR的测试数据集信息
表3 在简单基准上的验证精度(%)
表4 在IJB-B和IJB-C上的验证精度(%)
作者也介绍了人脸识别相关应用,比如人脸聚类、人脸属性识别、人脸生成等
最后作者总结了人脸识别相关竞赛,比如 FRVT、MegaFace challenge、MS-Celeb-1M challenge。
整体上感觉人脸识别已经到了技术相对成熟、应用落地的程度,这份综述可作为人脸识别近期进展的概览和相关技术研发的参考。
https://arxiv.org/pdf/2212.13038.pdf
END
欢迎加入「人脸识别」交流群
人脸识别技术综述,出自OPPO研究院相关推荐
- 上交AI研究院副院长马利庄:基于大数据的人脸识别技术进展与展望
文章发布于公号[数智物语] (ID:decision_engine),关注公号不错过每一篇干货. 转自 | 中国人工智能学会 本篇大家整理的是来自上海交通大学人工智能研究院副院长.华东师范大学特聘教授 ...
- 【人机交互技术】人脸表情识别技术综述(感觉写的比较简单)
表情识别技术综述 Abstract:Facial expression recognition is the key research direction in many fields such as ...
- 基于haar+adaboost的人脸检测、深度学习的人脸识别技术应用综述
版权声明:本文为博主原创文章,未经博主允许不得转载.欢迎交流,QQ:896922782,微信:15058133936 目录 第一节 核心技术 3 一.人脸检测 3 二.特征点检测 5 三.人脸归一化 ...
- 基于深度学习的端到端人脸识别技术:全面调研
44页,共计371篇参考文献.本文全面介绍了端到端深度学习人脸识别技术,包括人脸检测,人脸预处理和人脸表征等方向,详细介绍了最新的算法设计,评估指标,数据集,性能比较等. The Elements o ...
- 人脸识别技术及应用,了解一下
得益于移动设备和数码摄像的高速发展,人脸识别技术突飞猛进,已经成为多项产品的主要应用支撑或重要配置.本文对目前人脸识别的三种技术及其发展方向和应用进行详尽的介绍,希望能对大家的产品开发工作提供参考. ...
- 港中大教授研发DeepID人脸识别技术 准确率超99%
http://mi.techweb.com.cn/tmt/2014-06-23/2049460.shtml 6月23日凌晨消息,香港中文大学教授汤晓鸥.王晓刚及其研究团队上周宣布,他们研发的DeepI ...
- 人脸识别(5)---人脸识别技术及应用概览
人脸识别技术及应用概览 科技的发展正在加速改变我们的生活.以前,我们购物埋单时,收银员会问"现金还是刷卡",现在,这句话则变成了"微信还是支付宝?"以前,我们上 ...
- 人脸识别技术发展及实用方案设计
作者 | 汪彪 责编 | 何永灿 人脸识别技术不但吸引了Google.Facebook.阿里.腾讯.百度等国内外互联网巨头的大量研发投入,也催生了Face++.商汤科技.Linkface.中科云从.依 ...
- 最新人脸识别技术方案
这两年,随着科技的迅速发展,人脸识别已经逐渐成为了新时期生物识别技术应用的重要领域,忘记密码了?没事儿,咱还可以"刷脸"!今天,小编将带大家了解一下最新的人脸识别技术,看看这项技术 ...
最新文章
- [English20091217]英语口语444句
- CentOS6在使用yum install 时提示镜像源路径不存在:PYCURL ERROR 22 - “The requested URL returned error: 404 Not Found
- Cordova插件中JavaScript代码与Java的交互细节介绍
- Android之ActivityLifecycleCallbacks的得到当前的activity的状态
- 每天一小时python官方文档学习(二)————流程控制工具
- 信息学奥赛一本通C++语言——1107:校门外的树
- 接口测试用例设计思路_基于python语言的接口自动化demo小实战
- POJ 1191 棋盘分割(区间DP)题解
- Jmeter下载安装配置
- 2.企业应用架构模式 --- 组织领域逻辑
- 【网络存储】存储区域网络SAN
- Matlab linspace函数C++实现
- kiv8测量方法_理邦elite V8 病人监护仪
- 数据挖掘:概念与技术笔记(一)引言
- 【Java】渐变头像生成-代码实现
- linux挂载u盘显示目录忙,linux下挂载u盘及iso8859-1 not found错误解决
- 在GridControl中使用GridLookUpEdit的正确姿势
- matlab调整视频播放速度,会声会影如果调整视频播放速度
- 【论文笔记】Nonparallel Emotional Speech Conversion Using VAE-GAN 基于VAE-GAN的非平行情感语音生成
- 医学图像分割知识点总结