George, A., Ecabert, C., Shahreza, H. O., Kotwal, K., & Marcel, S. (2024). EdgeFace: Efficient Face Recognition Model for Edge Devices. IEEE Transactions on Biometrics, Behavior, and Identity Science, PP(99), 1--1. https://doi.org/10.1109/TBIOM.2024.3352164
EdgeFace：面向边缘设备的高效人脸识别模型
摘要
在本文中，我们介绍了EdgeFace，这是一种受EdgeNeXt混合架构启发的轻量且高效的人脸识别网络。通过有效地结合CNN和Transformer模型以及低秩线性层的优势，EdgeFace实现了在边缘设备上优化的出色人脸识别性能。所提出的EdgeFace网络不仅保持低计算成本和紧凑的存储，还实现了高人脸识别精度，适用于在边缘设备上部署。在具有挑战性的基准人脸数据集上进行的大量实验证明了EdgeFace相对于最先进的轻量级模型和深度人脸识别模型的有效性和效率。我们的EdgeFace模型具有177万参数，在LFW（99.73%）、IJB-B（92.67%）和IJB-C（94.85%）上取得了最先进的结果，优于其他计算复杂度更大的高效模型。将公开提供复制实验的代码。
图1：提出的EdgeFace人脸识别模型的示意图。该图是根据EdgeNeXt [25]模型进行调整的，以展示为将其转换为人脸识别网络而添加的附加元素。具体而言，我们引入了LoRaLin层并添加了一个头部，以获得512维嵌入。