大规模人脸搜索：八千万图像库

由于社交媒体网站的普及，计算机视觉研究人员面临的一个挑战是设计方法来处理和搜索这些网站上数十亿共享照片中的感兴趣人物。Facebook 在 2013 年的一份白皮书中透露，其用户已上传超过 2500 亿张照片，并且每天上传 3.5 亿张新照片。由于数据量庞大，用于挖掘网络图像的大规模人脸搜索既重要又具挑战性。尽管人脸识别取得了重大进展，但搜索大量无约束人脸图像的问题尚未得到充分解决。为了应对这一挑战，我们提出了一种人脸搜索系统，该系统在级联框架中结合了快速搜索过程和最先进的商业现货（COTS）匹配器。给定一个探针人脸，我们首先使用从卷积神经网络生成的深度特征过滤大型照片库，以找到最相似的前 k 张人脸。通过结合深度特征和 COTS 匹配器的相似度对这 k 个候选者进行重新排序。我们在包含 8000 万张网络下载人脸图像的图像库上评估了所提出的人脸搜索系统。实验结果表明，在无约束人脸识别基准（LFW 和 IJB-A）上，深度特征与最先进的方法具有竞争力。此外，所提出的人脸搜索系统在由数百万张图像组成的数据集上提供了准确性和可扩展性之间的极佳折衷。另外，在一项涉及搜索因波士顿马拉松爆炸案被定罪的 Tsarnaev 兄弟人脸图像的实验中，所提出的人脸搜索系统在 5M 图像库上于 1 秒内排在第 1 位找到了弟弟（Dzhokhar Tsarnaev）的照片，并在 80M 图像库上于 7 秒内排在第 8 位找到了该照片。