MobileFaceNets：用于移动设备上精确实时人脸验证的高效 CNN
计算机视觉与模式识别
2018-06-18 v4 机器学习
摘要
我们提出一类极高效的 CNN 模型 MobileFaceNets，其参数量少于 100 万，并专门用于在移动和嵌入式设备上进行高精度的实时人脸验证。我们首先简单分析了常用移动网络用于人脸验证时的弱点。该弱点已被我们专门设计的 MobileFaceNets 很好地克服。在相同实验条件下，我们的 MobileFaceNets 相比 MobileNetV2 取得了显著更优的准确率以及超过 2 倍的实际加速。在精炼的 MS-Celeb-1M 上通过 ArcFace 损失训练后，我们单个大小为 4.0MB 的 MobileFaceNet 在 LFW 上达到 99.55% 的准确率，在 MegaFace 上达到 TAR@FAR1e-6 为 92.59%，甚至可与大小为数百 MB 的 SOTA 大型 CNN 模型相媲美。MobileFaceNets 中最快的一个在手机上的实际推理时间为 18 毫秒。对于人脸验证，MobileFaceNets 相比先前 SOTA 移动 CNN 取得了显著改进的效率。
引用
@article{arxiv.1804.07573,
title = {MobileFaceNets: Efficient CNNs for Accurate Real-Time Face Verification on Mobile Devices},
author = {Sheng Chen and Yang Liu and Xiang Gao and Zhen Han},
journal= {arXiv preprint arXiv:1804.07573},
year = {2018}
}
备注
Accepted as a conference paper at CCBR 2018. Camera-ready version