EdgeFace 是一种针对移动或边缘设备应用程序进行优化的轻量级人脸识别模型，目前在 Papers with Code 的所有基准测试中都是最先进的排行榜。
与“较重”的型号不同，计算机视觉不依赖深度神经网络，因此非常适合集成到计算资源有限的边缘设备中。它是 LFW、Age DB-30、CFP-FP、IJB-B、IBJ-C、CALFW 和 CPLFW 等数据集的最新技术。
塞巴斯蒂安·马塞尔教授发布了消息LinkedIn 补充道，同一团队的 SynthDistill 技术通过“使用合成数据提取预先训练的教师面部识别模型的知识”来训练轻量级“TinyFaR 面部识别模型”，该技术在另一篇论文中是最先进的带有轻量级代码排行榜人脸识别。
负责的团队是生物识别安全和隐私 (BSP) 小组。他们的边缘面纸发表于 IEEE Transactions on Biometrics, Behaviour, and Identity Science（卷：6，期：2，2024 年 4 月）。
根据摘要，Edgeface 是一种混合模型，结合了卷积神经网络 (CNN) 和 Transformer 模型以及低阶线性层的优点，可实现人脸识别的高精度，同时保持较低的计算成本和紧凑的存储。
它基于现有的 EdgeNeXt 架构，并针对数据处理效率进行了修改。
这EdgeFace 的代码是公开的。
文章主题
||||||
