一亿ID的人脸识别训练和万亿人脸对(Trillion Pairs)的人脸识别评测-5

程序员研修院

企业官方账号

2023-01-12 15:17:25

课时名称	课时知识点
一亿ID的人脸识别训练和万亿人脸对(Trillion Pairs)的人脸识别评测-5

...全文

172 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本课程首先会带大家一起回顾下人脸识别的问题定义、历史发展，以及学术界的新进展。然后会跟大家聊一下工业界对人脸识别技术的需求，并分享一些工业界进行大规模人脸识别的经验，常用的人脸识别算法。后会宣布一个比赛，这个比赛不仅提供了标注更准确的大规模人脸训练数据集, 而且也提供了一个非常有挑战性且可以支持超低误识别率（千亿分之一）的线上评测。

One of the main challenges in feature learning using Deep Convolutional Neural Networks (DCNNs) for large- scale face recognition is the design of appropriate loss func- tions that enhance discriminative power. Centre loss pe- nalises the distance between the deep features and their cor- responding class centres in the Euclidean space to achieve intra-class compactness. SphereFace assumes that the lin- ear transformation matrix in the last fully connected layer can be used as a representation of the class centres in an angular space and penalises the angles between the deep features and their corresponding weights in a multiplicative way. Recently, a popular line of research is to incorporate margins in well-established loss functions in order to max- imise face class separability. In this paper, we propose an Additive Angular Margin Loss (ArcFace) to obtain highly discriminative features for face recognition. The proposed ArcFace has a clear geometric interpretation due to the ex- act correspondence to the geodesic distance on the hyper- sphere. We present arguably the most extensive experimen- tal evaluation of all the recent state-of-the-art face recog- nition methods on over 10 face recognition benchmarks in- cluding a new large-scale image database with trillion level of pairs and a large-scale video dataset. We show that Ar- cFace consistently outperforms the state-of-the-art and can be easily implemented with negligible computational over- head. We release all refined training data, training codes, pre-trained models and training logs 1 , which will help re- produce the results in this paper

本课程首先会带大家一起回顾下人脸识别的问题定义、历史发展，以及学术界的新进展。然后会跟大家聊一下工业界对人脸识别的需求，并分享一些工业界进行大规模人脸识别的经验。后会宣布一个比赛，这个比赛不仅提供了标注更准确的大规模人脸训练数据集, 而且也提供了一个非常有挑战性且可以支持超低误识别率（千亿分之一）的线上评测。...

转自：https://zhuanlan.zhihu.com/p/38655724 人脸识别已经成为成为计算机视觉领域最热门的应用之一，很多刚入门的 AI 新手都或多或少接触过人脸识别的相关知识，但是纸上得来终觉浅，在实际应用中，往往会遇到各种各样的问题，比如如何保证不同环境下人脸识别的准确率，极端环境下如何进行人脸识别等等。为了帮大家解惑，我们特意邀请到了格灵深瞳首席科学家和算法部负责人——张德兵，为大家带来主题为“一亿 ID 的人脸识别训练和万亿人脸对（Trillion Pairs）的人脸识别.

作者 | 张德兵编辑 | 阿司匹林出品 | 人工智能头条（公众号ID：AI_Thinker） 人脸识别已经成为成为计算机视觉领域最热门的应用之一，很多刚入门的 AI 新手都或多或少接触过人脸识别的相关知识，但是纸上得来终觉浅，在实际应用中，往往会遇到各种各样的问题，比如如何保证不同环境下人脸识别的准确率，极端环境下如何进行人脸识别等等。为了帮大家解惑，我们特意邀请到了格灵...

CSDN讲师的课程社区_NO_34

1

社区成员

53

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章