Une Méthode Efficace pour l'Évaluation de la Qualité des Visages en Bordure

Les applications de reconnaissance faciale en pratique sont composées de deux étapes principales : la détection des visages et l'extraction des caractéristiques. Dans une solution uniquement basée sur la vision, la première étape génère plusieurs détections pour une seule identité en traitant un flux caméra. Une approche pratique sur les appareils embarqués devrait prioriser ces détections d'identités selon leur conformité à la reconnaissance. Dans cette perspective, nous proposons une régression du score de qualité faciale en ajoutant simplement une couche à un réseau de détection de points clés du visage. Avec presque aucun coût supplémentaire, les scores de qualité faciale sont obtenus en formant cette unique couche à régresser les scores de reconnaissance avec des augmentations similaires à celles utilisées en surveillance. Nous avons mis en œuvre l'approche proposée sur des GPU embarqués, incluant toutes les étapes du pipeline de détection faciale, telles que la détection, le suivi et l'alignement. Des expériences exhaustives montrent l'efficacité de l'approche proposée par comparaison avec les modèles de régression de qualité faciale les plus avancés (SOTA) sur différents jeux de données et scénarios réels.