MobileFaceNets：适用于移动设备的高效CNNs以实现准确的实时面部验证

我们介绍了一类极其高效的卷积神经网络（CNN）模型——MobileFaceNets，该模型参数量少于1百万，特别针对移动和嵌入式设备上的高精度实时人脸识别进行了优化。首先，我们对常用移动网络在人脸识别中的弱点进行了简要分析。这些弱点通过我们专门设计的MobileFaceNets得到了有效克服。在相同的实验条件下，我们的MobileFaceNets不仅显著提高了准确性，而且实际运行速度比MobileNetV2快了两倍以上。经过ArcFace损失函数在精炼后的MS-Celeb-1M数据集上训练后，单个大小为4.0MB的MobileFaceNet在LFW数据集上达到了99.55%的准确率，在MegaFace数据集上达到了92.59%的TAR@FAR1e-6，这一性能甚至可以与数百MB大小的最先进大型CNN模型相媲美。最快的MobileFaceNets模型在手机上的实际推理时间为18毫秒。对于人脸识别任务，MobileFaceNets相比之前的最先进移动CNN模型实现了显著的效率提升。