人脸识别研究八年：可复现性、成果与开放问题

自动人脸识别是一个高度热门的研究领域。在该领域三十年的密集研究中，人们提出了许多不同的人脸识别算法。随着深度学习的普及及其解决大量不同问题的能力，人脸识别研究者已致力于在此范式下创建更好的模型。自2015年以来，最先进的人脸识别已根植于深度学习模型。尽管存在用于评估人脸识别算法性能的大规模且多样化的数据集，许多现代数据集只是将影响人脸识别的不同因素（如人脸姿态、遮挡、光照、面部表情和图像质量）结合在一起。当算法在这些数据集上产生错误时，不清楚是哪些因素导致了该错误，因此无法指引需要更多研究的方向。本工作是我们在2014年开发并最终于2016年发表的前期工作的后续，展示了各种面部方面对人脸识别算法的影响。通过将当前最先进技术与过去的最佳系统进行比较，我们证明了在强遮挡、某些类型的光照和强表情下的人脸是深度学习算法已掌握的问题，而低分辨率图像识别、极端姿态变化和开集识别仍是开放问题。为说明这一点，我们以开源且可复现的方式使用六个不同数据集和五个人脸识别算法进行了一系列实验。我们提供了运行所有实验的源代码，其易于扩展，因此在我们的评估中使用您自己的深度网络仅需几分钟。