轻量级人脸识别：一种改进的 MobileFaceNet 模型
计算机视觉与模式识别
2023-11-28 v1 人工智能
摘要
本文对轻量级人脸识别（FR）模型进行了广泛探究与对比分析，特别关注 MobileFaceNet 及其改进变体 MMobileFaceNet。在算力受限设备上对高效 FR 模型的需求，催生了在精度不损前提下降低内存占用与计算开销的模型。我们的研究深入考察了数据集选择、模型架构与优化算法对 FR 模型性能的影响。我们重点介绍了参与 EFaR-2023 竞赛的情况，我们的模型展现了卓越性能，尤其在按参数量受限的类别中。通过使用 Webface42M 数据集的子集并集成锐度感知最小化（SAM）优化，我们在多项基准测试（包括跨姿态、跨年龄与跨种族性能测试）中取得了精度的显著提升。结果印证了我们所提方法在构建不仅计算高效且能在多样条件下保持高精度的模型方面的有效性。
引用
@article{arxiv.2311.15326,
title = {Lightweight Face Recognition: An Improved MobileFaceNet Model},
author = {Ahmad Hassanpour and Yasamin Kowsari},
journal= {arXiv preprint arXiv:2311.15326},
year = {2023}
}