【论文标题】FaceX-Zoo: A PyTorh Toolbox for Face Recognition 【作者团队】Jun Wang, Yinglu Liu, Yibo Hu, Hailin Shi, Tao Mei 【发表时间】2020/12/31 【机构】JD AI Research 【论文链接】https://arxiv.org/abs/2101.04407 【代码链接】 https://github.com/JDAI-CV/FaceX-Zoo 【推荐理由】作者引入了一个名为FaceX-Zoo的新颖的开源框架，该框架面向人脸识别的研究开发社区，提供了实现模型的便利。 近年来，基于深度学习的人脸识别取得了重大进展。然而，实际模型的产生和深度人脸识别的进一步研究仍需要相应的公众支持。例如，生产人脸表示网络的期望模块化培训计划考虑从国家的最先进的骨干和培训监督受到现实世界的人脸识别需求的各候选人的正确选择;对于性能分析和比较，基于多个基准的一堆模型的标准和自动评估也将是理想的工具；此外，我们欢迎以整体流水线形式部署人脸识别的公共基础。此外，还有一些新出现的挑战，例如最近全球范围内发生的COVID-19大流行引起的蒙面人脸识别，在实际应用中引起了越来越多的关注。一个可行且优雅的解决方案是建立一个易于使用的统一框架来满足上述需求。为此，作者引入了一个名为FaceX-Zoo的新颖的开源框架，该框架面向人脸识别的研究开发社区。依靠高度模块化和可扩展的设计，FaceX-Zoo提供了一个训练模块，该模块具有各种主管和骨干，以实现最新的人脸识别，以及标准化的评估模块，可以在大多数情况下评估模型。只需通过编辑简单的配置即可获得流行的基准。此外，还提供了一个简单而功能齐全的人脸SDK，用于验证模型的验证和主要应用。作者没有包括尽可能多的现有技术，而是使FaceX-Zoo可以轻松升级和扩展与面部相关领域的发展。

内容中包含的图片若涉及版权问题，请及时与我们联系删除