京东开源FaceX-Zoo：PyTorch面部识别工具箱

点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达



小白导读论文是学术研究的精华和未来发展的明灯。小白决心每天为大家带来经典或者最新论文的解读和分享，旨在帮助各位读者快速了解论文内容。个人能力有限，理解难免出现偏差，建议对文章内容感兴趣的读者，一定要下载原文，了解具体内容。

摘要

近年来，基于深度学习的人脸识别取得了长足的进展。然而，实际的模型制作和深度人脸识别的进一步研究仍需要相应的公众支持。例如，人脸表示网络的生产需要一个模块化的训练方案，以考虑从各种最先进的骨干候选人和训练监督的现实世界的人脸识别需求的适当选择;对于性能分析和比较，标准和自动评估与一堆模型在多个基准将是一个理想的工具;此外，人脸识别在整体管道形态上的部署也受到了公众的欢迎。此外，还有一些新出现的挑战，如近期全球COVID-19大流行带来的蒙面人脸识别，在实际应用中越来越受到关注。一个可行且优雅的解决方案是构建一个易于使用的统一框架来满足上述需求。为此，作者引入了一个新的开源框架，命名为FaceX-Zoo，它是面向人脸识别的研发社区。采取高度模块化和可伸缩设计,FaceX-Zoo提供一个培训模块各种监督头和脊椎state-of-theart人脸识别,以及标准化评价模块使评价模型在大多数流行的基准只是通过编辑一个简单的配置。此外，还提供了一个简单但功能齐全的face SDK，用于验证和培训模型的主要应用。作者没有尽可能多地采用先前的技术，而是使FaceX-Zoo能够随着面部相关领域的发展而轻松地升级和扩展。

代码链接：https://github.com/JDAI-CV/FaceX-Zoo

框架结构

FaceX-Zoo的架构。实框中的模块是当前版本中已经提供的模块，虚线框中的模块将在后续版本中添加

上图巧妙地展示了FaceX-Zoo的总体架构。整个项目主要包括四个部分:培训模块、评估模块、附加模块和face SDK，其中前两个模块是本项目的核心部分。培训和评估模块包括预处理、培训模式、主干、监督负责人和测试协议等几个组成部分。作者将详细说明如下。

预处理：这个模块在将图像发送到网络之前完成图像的基本转换。对于