EdgeFace: Efficient Face Recognition Model for Edge Devices

要約

このペーパーでは、EdgeNeXt のハイブリッド アーキテクチャからインスピレーションを得た軽量で効率的な顔認識ネットワークである EdgeFace を紹介します。
CNN モデルと Transformer モデルの両方の長所と低ランク線形層を効果的に組み合わせることで、EdgeFace はエッジ デバイスに最適化された優れた顔認識パフォーマンスを実現します。
提案された EdgeFace ネットワークは、低い計算コストとコンパクトなストレージを維持するだけでなく、高い顔認識精度も達成するため、エッジ デバイスへの展開に適しています。
挑戦的なベンチマーク顔データセットに関する広範な実験により、最先端の軽量モデルやディープ顔認識モデルと比較した EdgeFace の有効性と効率性が実証されています。
177 万のパラメータを持つ当社の EdgeFace モデルは、LFW (99.73%)、IJB-B (92.67%)、および IJB-C (94.85%) で最先端の結果を達成し、より大きな計算量を伴う他の効率的なモデルを上回ります。
実験を再現するコードは公開される予定です。

要約(オリジナル)

In this paper, we present EdgeFace, a lightweight and efficient face recognition network inspired by the hybrid architecture of EdgeNeXt. By effectively combining the strengths of both CNN and Transformer models, and a low rank linear layer, EdgeFace achieves excellent face recognition performance optimized for edge devices. The proposed EdgeFace network not only maintains low computational costs and compact storage, but also achieves high face recognition accuracy, making it suitable for deployment on edge devices. Extensive experiments on challenging benchmark face datasets demonstrate the effectiveness and efficiency of EdgeFace in comparison to state-of-the-art lightweight models and deep face recognition models. Our EdgeFace model with 1.77M parameters achieves state of the art results on LFW (99.73%), IJB-B (92.67%), and IJB-C (94.85%), outperforming other efficient models with larger computational complexities. The code to replicate the experiments will be made available publicly.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google