FaceX-Zoo：一个用于人脸识别的 PyTorch 工具箱
计算机视觉与模式识别
2021-10-19 v3
摘要
基于深度学习的人脸识别近年来取得了显著进展。然而，深度人脸识别的实际模型生产与进一步研究极需相应的公共支持。例如，人脸表征网络的生产渴望一种模块化训练方案，以针对真实世界人脸识别需求从各类最先进骨干网络与训练监督主体的候选中作出恰当选择；对于性能分析与比较，在多个基准上以标准化自动方式评估一众模型也将是一种理想工具；此外，以整体流水线形式部署人脸识别的公共基础框架颇受期待。进而，一些新出现的挑战，如近期全球 COVID-19 大流行引起的戴口罩人脸识别，在实际应用中引起越来越多的关注。一个可行且优雅的方案是构建一个易于使用的统一框架来满足上述需求。为此，我们引入一个名为 FaceX-Zoo 的新型开源框架，面向人脸识别的研究与开发社区。借助高度模块化与可扩展的设计，FaceX-Zoo 提供了带有多种监督头与骨干网络、面向最先进人脸识别的训练模块，以及仅需编辑简单配置即可在多数流行基准上评估模型的标准化评估模块。同时，提供了一个简单但功能完备的人脸 SDK，用于训练模型的验证与初步应用。相较于囊括尽可能多的已有技术，我们使 FaceX-Zoo 能够随人脸相关领域的发展轻松升级与扩展。源代码与模型可在 https://github.com/JDAI-CV/FaceX-Zoo 获取。
引用
@article{arxiv.2101.04407,
title = {FaceX-Zoo: A PyTorch Toolbox for Face Recognition},
author = {Jun Wang and Yinglu Liu and Yibo Hu and Hailin Shi and Tao Mei},
journal= {arXiv preprint arXiv:2101.04407},
year = {2021}
}
备注
add more backbone comparisons