MobileFaceNets: Efficient CNNs for Accurate Real- Time Face Verification on Mobile Devices

摘要

  我们展示了一类极其高效的CNN模型MobileFaceNets，它使用不到100万个参数，专门为移动和嵌入式设备上的高精度实时人脸验证而定制。我们首先简单分析了普通移动网络在人脸验证方面的弱点。我们专门设计的手机已经很好地克服了这个弱点。在相同的实验条件下，我们的MobileFaceNets获得了显著更高的精度，以及比MobileNetV2高出2倍以上的实际加速。经过ArcFace loss在精致的MS-Celebe-1M上的训练，我们4.0MB大小的单个MobileFaceNet在LFW上实现了99.55%的准确性，在MegaFace上实现了92.59%的TAR@FAR1e-6，这甚至可以与数百MB大小的最先进的CNN大模型相媲美。最快的一款MobileFaceNets在手机上的实际推理时间为18毫秒。在人脸验证方面，与以前最先进的移动中枢神经系统相比，移动中枢神经系统的效率显著提高。

1 引言

  人脸验证是一种重要的身份认证技术，越来越多地应用于设备解锁、应用登录、移动支付等移动和嵌入式应用中。一些配备了人脸验证技术的移动应用，比如智能手机解锁，需要离线运行。为了在有限的计算资源下实现用户友好性，在移动设备上部署的人脸验证模型不仅要精确，而且要小而快。然而，现代高精度人脸验证模型是建立在深度和大的卷积神经网络上的，在训练阶段由新的损失函数监督。对计算资源要求较高的大型CNN模型不适合很多移动和嵌入式应用。近年来，已经提出了几种高效的神经网络体系结构，例如MobileNetV1 [1]、ShuffleNet [2]和MobileNetV2 [3]，用于常见的视觉识别任务，而不是人脸验证。使用这些普通的不变的CNNs进行人脸验证是一种直截了当的方法，根据我们的实验(见表2)，与最先进的结果相比，这种方法只能获得非常差的精度。

  本文对常见移动网络在人脸验证方面的弱点进行了简单分析。我们专门设计的MobileFaceNets很好地克服了这一弱点，这是一类非常高效的CNN模型，专为移动和嵌入式设备上的高精度实时人脸验证而定制。我们的MobileFaceNets使用不到100万个参数。在相同的实验条件下，我们的MobileFaceNets获得了显著更高的精度，以及比MobileNetV2高出2倍以上的实际加速。经过ArcFace [5]从零开始的训练，我们的单个4.0MB大小的MobileFaceNet模型在LFW [6]上实现了99.55%的人脸验证精度(见表3)，在MegaFace挑战赛1 [7]上实现了92.59%的TAR@FAR10-6(见表4)，这甚至可以与数百MB大小的最先进的大型CNN模型相媲美。请注意，许多现有的技术，如剪枝[37]、低比特量化[29]和知识提取[16]能够额外提高移动设备的效率，但这些不包括在本文的范围内。
  本文的主要贡献如下:(1)在人脸特征嵌入CNN的最后一个(非全局)卷积层之后，我们使用全局深度卷积层而不是全局平均汇聚层或全连通层来输出一个有区别的特征向量。从理论和实验两方面分析了这种选择的优点。(2)我们精心设计了一类嵌入人脸特征的CNNs，即MobileFaceNets，在移动和嵌入式设备上效率极高。(3)我们在LFW、AgeDB ([8])和MegaFace上的实验表明，与以前最先进的移动CNNs相比，我们的移动CNNs在人脸验证方面取得了显著提高的效率。

2 相关工作