视频人脸识别系统：RetinaFace-mnet-faster 与二次检索
计算机视觉与模式识别
2020-09-30 v2 信息检索
摘要
人脸识别在场景中应用广泛。然而，不同的视觉环境需要不同的方法，且人脸识别在复杂环境中存在困难。因此，本文主要针对视频中的复杂人脸进行实验。首先，我们设计了一个面向模糊场景或欠曝光人脸的图像预处理模块以增强图像。我们的实验结果表明，有效的图像预处理在 LFW、WIDER FACE 以及我们的数据集上分别提升了 0.11%、0.2% 和 1.4% 的准确率。其次，我们提出了用于检测的 RetinaFace-mnet-faster 以及用于人脸识别的置信度阈值设定，降低了漏检率。我们的实验结果显示，我们的 RetinaFace-mnet-faster 在 Tesla P40 上以及单线程下对 640*480 分辨率分别提升了 16.7% 和 70.2% 的速度。最后，我们设计了基于 HNSW 的二次检索机制以提升性能。我们的方法适用于大规模数据集，实验结果表明，对于单帧检测，我们的方法比暴力检索快 82%。
引用
@article{arxiv.2009.13167,
title = {Video Face Recognition System: RetinaFace-mnet-faster and Secondary Search},
author = {Qian Li and Nan Guo and Xiaochun Ye and Dongrui Fan and Zhimin Tang},
journal= {arXiv preprint arXiv:2009.13167},
year = {2020}
}
备注
Accepted by FICC(Future of Information and Communication Conference)