摘要
由于社交媒体网站的普及，计算机视觉研究人员面临的一个挑战是如何在这些网站上数十亿张共享照片中处理和搜索感兴趣的人物。Facebook 在2013年的一份白皮书中透露，其用户已上传超过2500亿张照片，并且每天新增3.5亿张新照片。由于数据量巨大，大规模人脸搜索以挖掘网络图像变得既重要又具有挑战性。尽管人脸识别领域取得了显著进展，但在大型无约束人脸图像集合中的搜索问题尚未得到充分解决。为应对这一挑战，我们提出了一种结合快速搜索过程和最先进的商用现成（COTS）匹配器的级联框架的人脸搜索系统。给定一张查询人脸，我们首先利用卷积神经网络生成的深度特征从大量照片库中筛选出最相似的前k个人脸。然后通过结合深度特征和COTS匹配器的相似度对这k个候选者进行重新排序。我们在包含8000万张网络下载人脸图像的照片库上评估了所提出的 face search 系统。实验结果表明，在无约束人脸识别基准测试（LFW 和 IJB-A）中，深度特征的表现与最先进方法相当。此外，该系统在包含数百万张图像的数据集上提供了准确性和可扩展性之间的良好平衡。另外，在一次涉及查找波士顿马拉松爆炸案罪犯察尔纳耶夫兄弟（Tsarnaev brothers）的人脸图像实验中，所提出的人脸搜索系统能够在1秒内从500万张照片库中找到年轻弟弟焦哈尔·察尔纳耶夫（Dzhokhar Tsarnaev）的照片排名为第1位，并在7秒内从8000万张照片库中找到其照片排名为第8位。