AttFC：基于单 GPU 大规模人脸识别的注意力全连接层
计算机视觉与模式识别
2025-03-11 v1 人工智能
摘要
如今，随着深度神经网络的发展与大规模数据集的可用性，人脸识别（FR）模型已取得卓越性能。然而，由于全连接（FC）层的参数量直接取决于数据集中身份数量，若在大规模数据集上训练 FR 模型，模型参数规模将极其庞大，导致对时间和内存等计算资源的需求剧增。本文提出注意力全连接层，可显著降低计算资源消耗。AttFC 采用注意力加载器生成生成式类中心，并利用动态类容器动态存储类中心。DCC 仅存储 FC 中所有类中心的一小部分子集，因此其参数量远少于 FC 层。此外，在单 GPU 上基于大规模数据集训练人脸识别模型常遭遇内存溢出问题。AttFC 克服了该问题，并取得了与 SOTA 方法相当的性能。
引用
@article{arxiv.2503.06839,
title = {AttFC: Attention Fully-Connected Layer for Large-Scale Face Recognition with One GPU},
author = {Zhuowen Zheng and Yain-Whar Si and Xiaochen Yuan and Junwei Duan and Ke Wang and Xiaofan Li and Xinyuan Zhang and Xueyuan Gong},
journal= {arXiv preprint arXiv:2503.06839},
year = {2025}
}