SqueezeFacePoseNet：面向移动平台的跨姿态轻量级人脸验证
摘要
通过移动平台的虚拟应用是人工智能中最关键且不断增长的领域之一，在移动设备提供的所有服务取得突破后，普适且实时的人员认证已变得至关重要。在此背景下，鉴于这些设备中摄像头的可用性以及其在日常应用中的广泛使用，人脸验证技术可提供可靠且鲁棒的用户认证。深度卷积神经网络的快速发展催生了许多准确的人脸验证架构。然而，它们典型的规模（数百兆字节）使其难以集成到可下载的移动应用中，而这类应用的整个文件通常不得超过 100 MB。为此，我们应对开发仅几兆字节的轻量级人脸识别网络的挑战，该网络能以与远大于它的模型相当的精度运行。鉴于移动设备通常使用的非受控环境中自然观察到的变异性，该网络还应能在不同姿态下运行。本文中，我们调整了仅 4.4MB 的轻量级 SqueezeNet 模型，以有效提供跨姿态人脸识别。在 MS-Celeb-1M 和 VGGFace2 数据库上训练后，我们的模型在困难的正脸对侧面比较上达到 1.23% 的 EER，在侧面对侧面图像上达到 0.54%。在涉及注册/查询图像对中任意一张为正脸的较不极端变化下，EER 降至 <0.3%，且在 FAR=0.1% 时的 FRR 低于 1%。这使得我们的轻量模型适用于至少可控制注册图像采集的人脸识别。以性能轻微下降为代价，我们还测试了一个更轻的模型（仅 2.5MB），其中常规卷积被深度可分离卷积替代。
引用
@article{arxiv.2007.08566,
title = {SqueezeFacePoseNet: Lightweight Face Verification Across Different Poses for Mobile Platforms},
author = {Fernando Alonso-Fernandez and Javier Barrachina and Kevin Hernandez-Diaz and Josef Bigun},
journal= {arXiv preprint arXiv:2007.08566},
year = {2025}
}
备注
Published at ICPR 2020/WMWB IAPR TC4 Workshop on Mobile and Wearable Biometrics. Presentation available at https://youtu.be/suJmO8IWp8k. Code available at https://github.com/HalmstadUniversityBiometrics/SqueezeFacePoseNet-Lightweight-Face-Recognition