MindFace人脸识别和检测模型工具包-技术圈

MindFace是一款基于 MindSpore 的开源工具包，包含最先进的人脸识别和检测模型，如ArcFace、RetinaFace和其他模型，主要用于面部识别和检测等常见应用场景。

MindFace主要具有以下优点:

统一应用程序编程接口

MindFace通过解耦模型为人脸识别和检测提供了统一的应用程序编程接口，从而可以使用MindFace API直接调用模型，这大大降低了用户构建算法的难度。
强大的可扩展性

MindFace目前支持基于统一API的人脸识别和检测，具有强大可扩展性，它可以支持许多主干网络、数据集和损失函数。此外，MindFace还支持多平台调试，包括CPU、GPU和Ascend平台。

基于MindSpore实现的ArcFace系列模型取得了良好性能。我们基于ResNet、MobileNet和vit实现了三个版本，以满足不同的需求。详细结果如下表所示。

数据集	主干网络	lfw	cfp_fp	agedb_30	calfw	cplfw
CASIA	mobilefacenet-0.45g	0.98483+-0.00425	0.86843+-0.01838	0.90133+-0.02118	0.90917+-0.01294	0.81217+-0.02232
CASIA	r50	0.98667+-0.00435	0.90357+-0.01300	0.91750+-0.02277	0.92033+-0.01122	0.83667+-0.01719
CASIA	r100	0.98950+-0.00366	0.90943+-0.01300	0.91833+-0.01655	0.92433+-0.01017	0.84967+-0.01904
CASIA	vit-t	0.98400+-0.00704	0.83229+-0.01877	0.87283+-0.02468	0.90667+-0.00934	0.80700+-0.01767
CASIA	vit-s	0.98550+-0.00806	0.85557+-0.01617	0.87850+-0.02194	0.91083+-0.00876	0.82500+-0.01685
CASIA	vit-b	0.98333+-0.00553	0.85829+-0.01836	0.87417+-0.01838	0.90800+-0.00968	0.81400+-0.02236
CASIA	vit-l	0.97600+-0.00898	0.84543+-0.01718	0.85317+-0.01411	0.89733+-0.00910	0.79550+-0.01648
MS1MV2	mobilefacenet-0.45g	0.98700+-0.00364	0.88214+-0.01493	0.90950+-0.02076	0.91750+-0.01088	0.82633+-0.02014
MS1MV2	r50	0.99767+-0.00260	0.97186+-0.00652	0.97783+-0.00869	0.96067+-0.01121	0.92033+-0.01732
MS1MV2	r100	0.99383+-0.00334	0.96800+-0.01042	0.93767+-0.01724	0.93267+-0.01327	0.89150+-0.01763
MS1MV2	vit-t	0.99717+-0.00279	0.92714+-0.01389	0.96717+-0.00727	0.95600+-0.01198	0.89950+-0.01291
MS1MV2	vit-s	0.99767+-0.00260	0.95771+-0.01058	0.97617+-0.00972	0.95800+-0.01142	0.91267+-0.01104
MS1MV2	vit-b	0.99817+-0.00252	0.94200+-0.01296	0.97517+-0.00858	0.96000+-0.01179	0.90967+-0.01152
MS1MV2	vit-l	0.99750+-0.00291	0.93714+-0.01498	0.96483+-0.01031	0.95817+-0.01158	0.90450+-0.01062

对于检测任务，我们选取了Resnet50和Mobilenet0.25作为主干网络，Retinaface作为模型架构，以实现良好的人脸检测性能。详细结果如下表所示。

数据集	主干网络	简单	中等	困难
WiderFace	mobileNet0.25	91.60%	89.50%	82.39%
WiderFace	ResNet50	95.81%	94.89%	90.10%