MixFaceNets: 극도로 효율적인 얼굴 인식 네트워크

본 논문에서는 매우 효율적이고 고처리량의 얼굴 인증 모델인 MixFaceNets를 제시합니다. 이 모델은 Mixed Depthwise Convolutional Kernels에서 영감을 받아 개발되었습니다. Labelled Faces in the Wild (LFW), Age-DB, MegaFace, 그리고 IARPA Janus Benchmarks IJB-B와 IJB-C 데이터셋에 대한 광범위한 실험 평가를 통해, 극도로 낮은 계산 복잡도를 요구하는 응용 분야에서 MixFaceNets의 효과성이 입증되었습니다. 동일한 계산 복잡도 (< 500M FLOPs) 조건 하에서, 우리의 MixFaceNets는 모든 평가된 데이터셋에서 MobileFaceNets를 능가하며, LFW에서 99.60%, AgeDB-30에서 97.05%, MegaFace에서 93.60 TAR (FAR 1e-6 조건), IJB-B에서 90.94 TAR (FAR 1e-4 조건), IJB-C에서 93.08 TAR (FAR 1e-4 조건)의 정확도를 달성하였습니다. 계산 복잡도가 500M과 1G FLOPs 사이일 때, 우리의 MixFaceNets는 상당히 적은 FLOPs와 계산 부하를 사용하면서 최상위 모델들과 유사한 결과를 얻어, 제안된 MixFaceNets의 실용적 가치를 입증하였습니다. 모든 학습 코드, 사전 학습된 모델 및 학습 로그는 https://github.com/fdbtrs/mixfacenets 에서 제공됩니다.