RetinaFace+ArcFace人脸识别测试

目录

一、前言

二、资源

1、RetinaFace的人脸检测和人脸对齐代码

2、ArcFace的人脸识别代码

三、测试

---

一、前言

整理之前有关人脸识别方面的一些工作，使用RetinaFace+ArcFace的Pytorch版本复现代码对人脸进行识别。

二、资源

1、RetinaFace的人脸检测和人脸对齐代码

人脸检测和人脸对齐部分代码参考：https://github.com/biubug6/Pytorch_Retinaface，该代码中也包含人脸识别，测试过期效果，不如ArcFace，感兴趣的可以试下。

2、ArcFace的人脸识别代码

人脸识别代码参考：https://github.com/TreB1eN/InsightFace_Pytorch。

三、测试

整合了RetinaFace的人脸检测和人脸对齐代码和ArcFace的人脸识别代码，使用LFW数据进行测试，即LFW人脸图片->人脸检测->人脸对齐->人脸识别->测试结果。测试方案如下：

（1）人脸检测中，对于RetinaFace，采用代码中的MobileNet0.25-RetinaFace和Resnet50-RetinaFace两种模型；

（2）人脸对齐中，代码中的人脸对齐有相似变换（get_similarity_transform_for_cv2）、仿射变换（getAffineTransform）；为了验证不同变换的效果，本人也加入了透视变换（getPerspectiveTransform），共3种变换进行测试；

（3）对于ArcFace，采用代码中的MobileFacenet-ArcFace和IR-SE50-ArcFace两种模型。上述三种情形共组成12种方案。

测试集使用LFW公开数据集中的lfw_funneled和pairs.txt，pairs.txt中共组成6000对人脸，3000对同一人和3000对不同人。分别取12种方案中人脸识别阈值的最优阈值，对应的测试结果如下图所示。

从上图中可以看出，Resnet50-RetinaFace+相似变换+IR-SE50-ArcFace组合取得最优效果，准确率为99.43%，而RetinaFace论文（链接为：https://arxiv.org/pdf/1905.00641.pdf）中使用的RetinaFace+ArcFace组合在LFW上的accuracy为99.86%。

本测试基于Pytorch在LFW上的验证测试相差0.43%。经过查看论文和代码分析，造成差异的因素可能有：（1）论文作者公开的开源代码（链接为：https://github.com/deepinsight/insightface/tree/master/detection/RetinaFace）中使用的是MXNet，这里使用的是Pytorch。（2）RetinaFace论文中没有指明使用的的基础网络结构；（3）RetinaFace论文中使用了5个SSH（开源代码中默认使用的是3个），而Pytorch版本（https://github.com/biubug6/Pytorch_Retinaface）使用了3个SSH，如下图所示；

后面有时间将整理RetinaFace+ArcFace在公开数据集CASIA-FaceV5上的测试结果。

欢迎探讨。