FRFM模型介绍

稳定调用及效果更好的API，详见视觉开放智能平台：人脸比对1:1、口罩人脸比对1:1、人脸搜索1:N、公众人物识别、明星识别。

口罩人脸识别模型FRFM。

模型描述

口罩人脸识别模型FRFM基于ArcFace框架，网络结构为NAS搜索出来的large model，训练数据使用了Glint360数据，同时加了数据增强的策略，包括random erasing，cutout策略和以一定概率增加口罩, 大大增强了在口罩数据集上的精度, 在MFR数据集中性能可以在96以上，同时在标准人脸识别任务上的精度也有提高。

模型结构

模型使用方式和使用范围

本模型可以检测输入图片中带口罩和不戴口罩人脸的特征

代码范例

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
from modelscope.outputs import OutputKeys
import numpy as np

face_mask_recognition_func = pipeline(Tasks.face_recognition, 'damo/cv_manual_face-recognition_frfm')
img1 = 'https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/face_recognition_1.png'
img2 = 'https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/face_recognition_2.png'
emb1 = face_mask_recognition_func(img1)[OutputKeys.IMG_EMBEDDING]
emb2 = face_mask_recognition_func(img2)[OutputKeys.IMG_EMBEDDING]
sim = np.dot(emb1[0], emb2[0])
print(f'Face cosine similarity={sim:.3f}, img1:{img1}  img2:{img2}')

使用方式

• 推理：输入经过对齐的人脸图片(112x112)，返回人脸特征向量(1024维)，为便于体验，集成了人脸检测和关键点模型RetinaFace，输入两张图片，各自进行人脸检测选择最大脸并对齐后提取特征，然后返回相似度比分

目标场景

• 人脸识别应用广泛，如考勤，通行，人身核验，智慧安防等场景

模型局限性及可能偏差

• 由于模型较大，目前仅支持GPU推理。
• 当前版本在python 3.7环境测试通过，其他环境下可用性待测试

模型性能指标

来源说明

本模型及代码来自达摩院和Insightface联合研发技术