• 題目：多人種人臉識別

• 類型：人臉識別

https://datafountain.cn/competitions/348

賽題背景

人臉識別已經在生活中快速的普及開來， 但是人臉識別技術在實際應用中遇到的一個廣為人知的問題是它在不同人種的性能有差異。如何快速的提升人臉識別系統在不同人種的性能， 是一個實用的人臉識別算法應該考慮的問題。

賽題任務

本次比賽目標是提高人臉識別模型在不同人種上面的性能。以人臉1：1 比對為場景， 參賽隊需要同時優化人臉識別模型在不同人種上的性能，提高在低誤識率情況下不同人種的通過率。

評分標準

根據提交結果畫出不同人種的 ROC 曲線， 然后按照FAR=1e-2, 1e-3 和 1e-4 時候對應的不同人種TAR的平均值進行結果排名。

天才兒童團隊

我們搭建了一套面向實際場景的人臉識別方案。首先提出了適合人臉圖像的數據增強方法，構建了有監督與無監督模型結合的人臉識別模型，并搭建了一種推理模型。團隊本次復賽A榜0.6582, B榜0.6583，均為線上第一。

數據集分布

人臉識別分為4個過程：人臉檢測、人臉對齊、特征提取、特征匹配。 數據集已經進行了人臉檢測和人臉對齊，我們只需要專注于特征提取和特征匹配。

訓練集給出的4個人種圖片中，按數量多少順序分別為白種人、印度人、亞洲人、非洲人，其中白種人圖片數量相對其他人種非常多。

數據處理

圖像預處理的主要目的是改善圖像的視覺效果，增強圖像中的有用信息，抑制圖像中的背景噪聲。

圖像增強方法主要有：水平翻轉，旋轉，色度變化，銳度變化，對比度變化，直方圖均衡化，拉普拉斯圖像增強等。

為了有效評價增強圖像的效果，根據各指標的意義和圖像通用評價方法，設計了圖像增強的驗證方法，最終得到一種適合于人臉的圖像增強方法。

技術路線

現有的人臉識測試過程，通常是提取人臉特征向量，再通過向量距離比如余弦相似度進行對比，而非直接通過網絡推理得到標簽。

特征提取作為人臉識別最關鍵的步驟，已經有了很多成熟的網絡模型。接下來我們主要從神經網絡的損失函數，骨干網絡2個角度進行分析.

• 有監督模型：ArcFace、Focal Loss

• 無監督模型：CDP半監督人臉樣本聚類

• 模型融合：線性加權3個模型

愛小童團隊

我們針對人種偏差客觀存在的問題，在數據和算法方面提出采用基于參考人臉圖的分水嶺算法，和針對多人種問題的多模型融合算法。

參考人臉圖

參考人臉圖(Reference Face Graph)是以參考人臉(Reference Face, RF)做為節點，參考人臉相似度為邊權重的網絡圖。每個參考人臉包含多張姿態、表情、光照不同的圖像，這些圖像具有較高的直接相似度，它們構成的集合稱為參考基礎集合。

為方便集合劃分，先對數據集中任意兩張圖像計算人臉相似度，形成鄰接矩陣。相似度為兩張人臉圖像特征向量的余弦相似度。

參考基礎集合的劃分采用分水嶺算法實現。分水嶺算法是圖像切割常用的方法之一，它基本思想是把圖像看作是測地學上的拓撲地貌。遷移到圖模型上，將圖像相似度作為海拔高度，將聯通區域作為參考集合。

多人種模型融合

我們進行遷移學習，訓練出針對各個人種的多人種人臉識別模型。從而能夠實現多人種模型融合。我們選擇五個模型融合。我們選擇五個模型融合，采用一個模型作為主模型，設定多模型投票取最小值策略。

閃閃紅星閃閃團隊

在比賽中，我們嘗試了許多的人臉識別模型resnet101、insightfacel2k、switchable norm resnet、mobilefacenet和cosface，采用不同的損失函數，比如：focal loss、soft max loss和triplet loss。

數據增強

由于數據有限，我們使用多種手段在模型訓練時和人臉特征提取時進行數據增強。

• 人臉對齊

• 數據增強

• 歸一化

模型融合

我們總共使用三個模型進行融合，進行兩兩迭代融合。

中科大多模態交互團隊

在模型訓練階段基于insightface框架，更換了不同的backbone來進行訓練，得到了三個性能各異的模型。

在測試階段分別使用單個模型對測試集進行依存，然后對多個模型的結果進行平均。

龍盈智達-天龍戰隊團隊

我們首先拿到圖像數據，確定該任務為人臉識別的識別部分，按照人險識別一般流程檢測、糾正、特征提取、人臉比對識別流程。

在此基礎上我們按照不同圖像色階直方圖抽取一定比例，使用Insightface 進行 inference識別測試。

我們使用平移、翻轉、色彩抖動、尺度變換數據增強方法在同樣的數遠集上進行。在模型方面首先我們按照控制變量法，數據集與優化方法，我們對模型采用比賽公開的數起集，在預訓練模型訓練后測試，獲得線上評分和模型微調之后進行對比，確定模型優化方法是否采用遷移學習。

往期精彩回顧適合初學者入門人工智能的路線及資料下載中國大學慕課《機器學習》（黃海廣主講）機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載本站qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【竞赛总结】CCF多人种人脸识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。