【动态】第二届CSIG图像图形技术挑战赛亚军团队介绍

2022 年 1 月 13 日 中国图象图形学学会CSIG

赛道介绍



总决赛亚军为CSIG FAT-AI 2021开放场景口罩人脸识别挑战赛的CV战队。当新冠肺炎疫情突然来袭之际,口罩瞬间成了公众的生命防线,也给人脸识别技术带来了前所未有的新挑战。为促进产学研融合发展,推动开放场景中人脸识别技术的提升,引领常态化疫情防控下的"战疫"科技创新,选拔高精尖人才,由中国图象图形学学会和视频国家工程实验室共同主办了CSIG FAT-AI 2021开放场景口罩人脸识别挑战赛。本挑战赛依托于视频国家工程实验室多年来构建的智能视频分析测评体系、专业的测评方法、评价指标以及实际应用场景数据集和自动化测试系统,在实验室的FAT-AI应用竞赛平台(http://fat.neliva.com.cn)上设立了CFAT 2021挑战赛的独立赛道,供参赛者进行程序提交、获取结果通知、查看排行榜等工作。

参赛方案



针对本次口罩人脸识别比赛,团队提出的方法主要涉及训练数据、训练方法和测试增强三个方面。在训练数据方面,针对比赛只能使用指定的训练集,不得引入外部数据集和预训练模型等限制条件,参赛方案使用了大量的数据增强方法缓解训练集和测试集分布不一致的问题,如下图所示:

实践表明,大量数据增强对缩小训练和测试差异,提高模型的泛化能力非常关键。针对口罩人脸识别,使用了一种简单且高效的口罩增强方法。该方法将预先处理好的口罩图片直接贴在训练图片上,如下图所示:

需要注意的是,该口罩增强方法使用平均脸的关键点位置,并不需要根据输入人脸的关键点调节位置。这么做的好处是处理流程高效简单,不需要关键点检测模型,可以做到在训练时在线加入口罩增强。虽然不使用输入人脸的关键点损失了口罩和人脸的贴合度,不过实验表明,使用这种简单的口罩增强方法可以达到和基于关键点动态调节的口罩增强方法同等的识别效果。另外,通过实验发现,口罩模板数量并不关键,比赛规则中强调的 10 张口罩模板已经够用。

队使用 iresnet100 作为特征提取器的骨干网络输出 512 维特征向量。实验验证,更大更深的模型并没有取得显著的收益。在训练方法方面,分为两个阶段。第一阶段使用 CosFace 进行训练,达到快速收敛。第二阶段使用 CosFace + DCQ 联合训练,进一步提升性能。如下表所示,第二阶段使用 DCQ 后,比赛结果从 0.688 显著地提升到 0.705,绝对提升了 1.7%。

DCQ(Dynamic Class Queue for Large Scale Face Recognition In the Wild) 是百度视觉技术部在人脸识别领域上的一项最新研究成果,并发表在计算机视觉顶会CVPR 2021 上,该工作目前已基于飞桨(PaddlePaddle)框架开源:https://github.com/bilylee/DCQ。目前业界主流的人脸识别训练方法是18年英国帝国理工大学提出的ARC Face,其是基于Softmax分类框架的一个变体,由于在训练时每个人就是一个类别,当类别数增大到百万量级时,分类任务会出现显存和带宽瓶颈,而百度提出的基于DCQ动态队列的全新方法,将全量分类问题转换为部分类别分类问题,可以将实际分类类别数减少几十倍,训练速度显著提升,同时由于使用了异步的特征更新机制,训练精度也显著提升,解决了大规模人脸识别训练问题。

最后,在测试阶段,团队使用了多张图片(原图、翻转图、口罩图)特征融合的方式进一步提升模型效果:


总结与展望



总决赛亚军团队来自百度视觉技术部。百度视觉技术部(VIS)隶属百度人工智能体系,作为基础技术部门同时承担技术领先性的建设和视觉相关业务的支撑。VIS 十分注重技术研发和应用场景的深度结合,近两年,先后获得30余项国际比赛冠军,开放150余项能力,支撑的计算机视觉公有云连续多次被Forrester/IDC评为市场第一,在智慧城市/智感超清/工业互联网/金融安全等领域均拥有多项行业领先认可。




中国图象图形学学会关于组织开展科技成果鉴定的通知

CSIG图像图形中国行承办方征集中

登录查看更多
1

相关内容

人脸识别,特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等...
深度学习人脸特征点自动定位综述
专知会员服务
23+阅读 · 2021年12月1日
[ICCV2021]自适应多模态选取框架用于视频理解
专知会员服务
17+阅读 · 2021年10月30日
【ACM Multimedia2021-tutorial】可信赖多媒体分析
专知会员服务
17+阅读 · 2021年10月20日
专知会员服务
19+阅读 · 2021年8月5日
专知会员服务
20+阅读 · 2021年4月2日
专知会员服务
38+阅读 · 2021年3月29日
【ACM MM2020】对偶注意力GAN语义图像合成
专知会员服务
35+阅读 · 2020年9月2日
【ICML2020-浙江大学】对抗性互信息的文本生成
专知会员服务
43+阅读 · 2020年7月4日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
【动态】CSIG云上微表情第26期研讨会成功举办
中国图象图形学学会CSIG
0+阅读 · 2022年4月12日
【预告】CSIG FAT-AI 2022开放场景人脸对抗伪装挑战赛将于5月开赛
中国图象图形学学会CSIG
0+阅读 · 2022年4月8日
【动态】第二届CSIG图像图形技术挑战赛季军团队介绍
中国图象图形学学会CSIG
0+阅读 · 2022年1月14日
【动态】第二届CSIG图像图形技术挑战赛冠军团队介绍
中国图象图形学学会CSIG
0+阅读 · 2022年1月12日
【动态】第二届CSIG图像图形技术挑战赛圆满结束
中国图象图形学学会CSIG
1+阅读 · 2022年1月4日
【动态】CSIG图像图形技术国际在线研讨会第二期将于12月20日举办
中国图象图形学学会CSIG
0+阅读 · 2021年12月15日
【动态】第二届CSIG中国媒体取证与安全大会顺利召开
中国图象图形学学会CSIG
0+阅读 · 2021年12月6日
CSIG云上微表情第九期研讨会成功举办--ICIP2020微表情挑战赛
CSIG机器视觉专委会
3+阅读 · 2020年11月30日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
VIP会员
相关VIP内容
深度学习人脸特征点自动定位综述
专知会员服务
23+阅读 · 2021年12月1日
[ICCV2021]自适应多模态选取框架用于视频理解
专知会员服务
17+阅读 · 2021年10月30日
【ACM Multimedia2021-tutorial】可信赖多媒体分析
专知会员服务
17+阅读 · 2021年10月20日
专知会员服务
19+阅读 · 2021年8月5日
专知会员服务
20+阅读 · 2021年4月2日
专知会员服务
38+阅读 · 2021年3月29日
【ACM MM2020】对偶注意力GAN语义图像合成
专知会员服务
35+阅读 · 2020年9月2日
【ICML2020-浙江大学】对抗性互信息的文本生成
专知会员服务
43+阅读 · 2020年7月4日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
相关资讯
【动态】CSIG云上微表情第26期研讨会成功举办
中国图象图形学学会CSIG
0+阅读 · 2022年4月12日
【预告】CSIG FAT-AI 2022开放场景人脸对抗伪装挑战赛将于5月开赛
中国图象图形学学会CSIG
0+阅读 · 2022年4月8日
【动态】第二届CSIG图像图形技术挑战赛季军团队介绍
中国图象图形学学会CSIG
0+阅读 · 2022年1月14日
【动态】第二届CSIG图像图形技术挑战赛冠军团队介绍
中国图象图形学学会CSIG
0+阅读 · 2022年1月12日
【动态】第二届CSIG图像图形技术挑战赛圆满结束
中国图象图形学学会CSIG
1+阅读 · 2022年1月4日
【动态】CSIG图像图形技术国际在线研讨会第二期将于12月20日举办
中国图象图形学学会CSIG
0+阅读 · 2021年12月15日
【动态】第二届CSIG中国媒体取证与安全大会顺利召开
中国图象图形学学会CSIG
0+阅读 · 2021年12月6日
CSIG云上微表情第九期研讨会成功举办--ICIP2020微表情挑战赛
CSIG机器视觉专委会
3+阅读 · 2020年11月30日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员