【论文笔记】VGGFace2——一个能够用于识别不同姿态和年龄人脸的数据集

####参考文献：*** ***
Cao Q, Shen L, Xie W, et al. VGGFace2: A dataset for recognising faces across pose and age[J]. 2017.

####简介
VGGFace2 是一个大规模人脸识别数据，包含331万图片，9131个ID，平均图片个数为362.6。这个数据集有以下几个特点：
1）人物ID较多，且每个ID包含的图片个数也较多。
2）覆盖大范围的姿态、年龄和种族。
3）尽可能地使噪声最少。
作者使用ResNet-50和SE分别在VGGFace/MSCeleb-1M/VGGFace2分别做训练，使用IJB-A做测试，证明了VGGFace2的最佳训练结果。同时实验也表明，使用MS-Celeb-1M做预训练，再使用VGGFace2做finetune,能够取得更好的效果。

作者不仅公布了数据，也将论文中用到的模型放出：数据链接

数据介绍

该数据集是从谷歌中下载的，包含不同姿态、年龄、光照和背景的人脸图片，其中约有59.7%的男性。除了身份信息之外，数据集还包括人脸框，5个关键点、以及估计的年龄和姿态。下图为VGGFace2和其它人脸数据集的具体指标对比：

数据集分为训练集和评测集，其中训练集包含8631类，评测集包含500类。评测场景可以按姿态和年龄模板分为两类，模板由5张姿态/年龄接近的同一ID的人脸图片组成，如下图所示：

姿态模板

年龄模板
数据的收集和清理工作，由手动和自动完成（清理工作值得借鉴）：

实验

作者使用了ResNet-50和SE-ResNet-50网络分别在VGGFace/VGGFace2/MS-Celeb-1M上进行训练，在IJB-A上进行测试和对比人脸识别性能。实验证明，相同网络在VGGFace2上训练的识别模型在1：1比对和1：N搜索均取得了更好的结果，进一步地，将MS-Celeb-1M和VGGFace2结合，SE-ResNet-50能够取得最佳的识别结果。（实验也证明了SE-ResNet-50的优越性能，需要在自己的实验中应用一下）