中国团队夺得MegaFace百万人脸识别冠军，精度98%再创记录，论文代码+数据全开源

MegaFace数据集

网络结构

首先，我们尝试在人脸识别的任务上找到一个优秀的网络结构。

3.1 网络输入设定

在我们所有的实验当中，都根据人脸的 5 个关键点进行对齐，并且切割设置大小到 112x112。因为这个图片大小是 ImageNet 输入的 1/4，我们考虑取消常见网络结构起始的降分辨率操作，即替换(conv77-stride22)为(conv33-stride11)。我们这个输入放大版的网络结构标记为 L。

3.2 网络输出设定

此处输出指代特征向量这一层。我们实验了多种从最后一个卷积层之后如何连接到特征向量的方法，发现了最优的结构代号 E，即 (Convolution -> BN -> Dropout -> FullyConnected -> BN)，更多的选择和实验结果可以参考原文 [1]。

3.3 ResNet 单元设定

在ResNet 中，我们发现 3*BN[5] 的单元相比原始实现[6]和 Identity Mapping[7]的 unit 性能更好，标记为-IR。

图 1: Improved residual unit: BN-Conv-BN-PReLu-Conv-BN

3.4 评测

我们在 VGG2 数据集上用 Softmax 测试了不同网络骨干和不同配置，得到以下结果:

表 1: Accuracy (%)，speed (ms) and model size (MB) comparison between different backbones (Softmax@VGG2)

据此，我们选择 LResNet100E-IR作为我们的主力网络骨干，因为它出色的性能和相对不大的开销。

Loss Functions

4.1 Softmax

损失函数是另一个提升识别精度的关键工作，在大家极力压榨网络骨干结构换取性能提升的时候，回头再来看损失函数这个网络训练的指挥棒，会有更多的发现。做为最常见的分类损失 Softmax，其定义如下:

Softmax 是最常见的人脸识别损失函数，然而，Softmax 不会显式的优化类间和类内距离的，所以通常不会有太好的性能。

4.2 Triplet Loss

Triplet Loss 作为一种 Metric Learning，也在人脸识别中广泛使用。定义为:

相比 Softmax，其特点是可以方便训练大规模 ID(百万，千万)的数据集，不受显存的限制。但是相应的，因为它的关注点过于局部，使得性能无法达到最佳且训练需要的周期非常长。

4.3 SphereFace

由于 Tripelet Loss 训练困难，人们逐渐寻求结合 Metric Learning 思想来改进 Softmax 的思路，其中 SphereFace[2] 是其中的佼佼者，作为 17 年提出的一种方法，在当时达到了 state-of-the-art。其定义如下:

在具体实现中，为了避免加入的 margin(即 m) 过大，引入了新的超参 λ，和 Softmax 一起联合训练。

那么这里的 margin 具体是什么? 包括下述的几种算法都会提到 margin。我们从 Softmax 说起，参考上一节他的公式

为了方便计算，我们让 bias=0，则全联接的 WX 可以表示为

θ 表示 W 和 X 的夹角，归一化 W 后:

对特定的 X，|| X || 是确定的，所以这时 Softmax 优化的其实就是 cos 值，或 者说他们的夹角 θ。

在这样的 Softmax 中，类和类之间的界限只是一条线。这样会产生的问题是: 落在边界附近的点会让整个模型的泛化能力比较差。为了解决这个问题，作者就想到了让这个界限变大一些，让不同类之间的点尽量远。在投影的夹角上加入一个 margin 可以达到这个目的，如下图:

图 2: sphereface

可以看到在这样做之后，即使是类间距离最近的点也有一定的 margin。在训练中，相同类的人脸图片会向着自己的 w − vector 压紧。

4.4 Additive Cosine Margin

最近，在 [3]，[4] 中，作者提出了一种在 Cosine 值上加入 Margin 的策略，定义如下:

模型获得了比 [2] 更好的性能，同时实现很方便，也摆脱了和 Softmax 联合训练的困扰，在训练起始阶段不再有收敛方面的问题。

4.5 Additive Angular Margin

我们 [1] 提出了在角度上增加固定值的 Margin，在 Cosine Margin 的基础上，更具有几何 (角度) 解释性并且获得了更好的性能，定义如下:

这里我们同时 normalize 了 weight(到 1) 和 feature(到 s，默认 64)，则 (Cosine Margin 也同理):

图 3: ArcFace 几何解释

4.6 对比

以二元分类举例，以上各算法的 decision boundary 如下:

表 2: Decision boundaries for class 1 under binary classification case

为了方便对比和找出算法优劣的原因，我们也比较了不同 Margin 下目标 Logit 的值:

图4: Target logit analysis

评测

4.7.1 验证集

首先，我们对 3 个 1 比 1 比对的验证集进行测试，网络结构为 LResNet100E- IR，训练数据集 Refined-MS1M，所有结果都为单模型。

表 3

4.7.2 MegaFace 百万人脸测试

需要声明的是，我们对 MegaFace 干扰集做了仔细的比对和清理 (标记 (R))，这样获得的性能才是模型本来的性能，也移除了噪音带来的随机性。参考 SphereFace 和 ArcFace(m=0.4) 在移除噪音前后的性能对比。真实性能 ArcFace(m=0.4) 是好于 SphereFace，但是在移除噪音之前正好相反。

表 4

在上面的实验基础上，我们做了更严格的实验：移除所有训练集合中和 probe-set(FaceScrub) 足够相似的人物，得到以下结果：

表 5

可以看到移除和 probe-set 重复的训练集人物还是有一定影响的，这也符合常理。另外我们也可以看到 ArcFace 和 CosineFace 受到的影响较小。

开源库 InsightFace

在我们的开源代码 InsightFace[0] 中，我们提供了 ArcFace 的官方实现，以及其他一系列 Loss 的第三方实现，并支持一键训练。利用项目中提供的 Refined-MS1M 训练数据集，可以轻松达到论文中标称的准确率值。

5.1 安装

在 Linux 下两行命令即可完成安装:

pip install six scipy scikit−learn opencv−python scikit −image easydict mxnet−cu80

git clone https://github.com/deepinsight/insightface.git

5.2 训练

一行命令即可获得最佳的模型:

CUDA_VISIBLE_DEVICES= ’0 ,1 ,2 ,3 ’ python −u train_softmax . py −−network r100 −−l −−prefix ../model−r100

引用 (简单版)

[0] https://github.com/deepinsight/insightface

[1] Additive Angular Margin Loss for Deep Face Recognition: Jiankang Deng*，Jia Guo* and Stefanos Zafeiriou

[2] SphereFace: Deep Hypersphere Embedding for Face Recognition: Liu，Weiyang and Wen，Yandong and Yu，Zhiding and Li，Ming and Raj，Bhiksha and Song，Le

[3] CosFace: Large Margin Cosine Loss for Deep Face Recognition: Wang，Hao and Wang，Yitong and Zhou，Zheng and Ji，Xing and Li，Zhifeng and Gong，Dihong and Zhou，Jingchao and Liu，Wei

[4] Additive Margin Softmax for Face Veri cation: Wang，Feng and Liu，Weiyang and Liu，Haijun and Cheng，Jian

[5] Deep pyramidal residual networks: Han，Dongyoon and Kim，Ji- whan and Kim，Junmo

[6] Deep Residual Learning for Image Recognition: Kaiming He，Xi- angyu Zhang，Shaoqing Ren，Jian Sun

[7] Identity Mappings in Deep Residual Networks: Kaiming He，Xi- angyu Zhang，Shaoqing Ren，Jian Sun