顔認識のための軽量ネットワークの識別能力と汎化能力を向上させるために、効率的な変数グループ畳み込みネットワークであるVarGFaceNetを提案します。VarGNetでは、変数グループ畳み込みが導入され、ブロック内の計算強度の不均衡と小さな計算コストとの間の矛盾を解決するために使用されます。我々は変数グループ畳み込みを使用してネットワークを設計し、大規模な顔識別をサポートしながら計算コストとパラメータを削減することを目指しています。具体的には、ネットワークの開始時に必須情報を保持するためのヘッド設定を使用し、埋め込み層のパラメータを削減するための特別な埋め込み設定を提案します。解釈能力を向上させるために、角度蒸留損失（angular distillation loss）の同値性を使用して軽量ネットワークをガイドし、再帰的な知識蒸留（recursive knowledge distillation）を適用して教師モデルと学生モデル間の乖離を緩和します。LFR (2019) チャレンジのDeepGlint-Lightトラックでの優勝は、我々のモデルとアプローチの有効性を示しています。VarGFaceNetの実装は近日中に https://github.com/zma-c-137/VarGFaceNet で公開される予定です。