EdgeFace 是一種針對行動或邊緣裝置應用程式進行最佳化的輕量級人臉辨識模型，目前在 Papers with Code 的所有基準測試中都是最先進的排行榜。
與「較重」的型號不同，電腦視覺不依賴深度神經網絡，因此非常適合整合到計算資源有限的邊緣設備中。它是 LFW、Age DB-30、CFP-FP、IJB-B、IBJ-C、CALFW 和 CPLFW 等資料集的最新技術。
塞巴斯蒂安·馬塞爾教授發布了訊息LinkedIn 補充道，同一團隊的 SynthDistill 技術透過“使用合成資料來提取預先訓練的教師臉部辨識模型的知識”來訓練輕量級“TinyFaR 臉部辨識模型”，該技術在另一篇論文中是最先進的帶有輕量級程式碼排行榜人臉辨識。
負責的團隊是生物辨識安全與隱私 (BSP) 小組。他們的邊緣面紙發表於 IEEE Transactions on Biometrics, Behaviour, and Identity Science（卷：6，期：2，2024 年 4 月）。
根據摘要，Edgeface 是一種混合模型，結合了卷積神經網路(CNN) 和Transformer 模型以及低階線性層的優點，可實現人臉識別的高精度，同時保持較低的計算成本和緊湊的存儲。
它基於現有的 EdgeNeXt 架構，並針對資料處理效率進行了修改。
這EdgeFace 的程式碼是公開的。
文章主題
||||||
