FaceMask 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FaceMask, 推荐使用An Efficient Training Approach for Very Large Scale Face Recognition (代码地址)框架快速训练。

模型描述

口罩人脸识别模型FaceMask基于ArcFace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, 增强了在口罩数据集上的精度, 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_resnet_face-recognition_facemask')
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(512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。
• 训练数据仅包括ms1mv3数据集，模型鲁棒性可能有所欠缺。
• 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

Method	IJBC(1e-5)	IJBC(1e-4)	MFR-ALL
FaceMask	-	97.01	88.64

相关模型

以下是ModelScope上人脸相关模型:

• 人脸检测

序号	模型名称
1	RetinaFace人脸检测模型
2	MogFace人脸检测模型-large
3	TinyMog人脸检测器-tiny
4	ULFD人脸检测模型-tiny
5	Mtcnn人脸检测关键点模型
6	ULFD人脸检测模型-tiny
7	实时口罩检测-通用

• 人脸识别

序号	模型名称
1	口罩人脸识别模型FaceMask
2	口罩人脸识别模型FRFM-large
3	IR人脸识别模型FRIR
4	ArcFace人脸识别模型
5	IR人脸识别模型FRIR

• 人脸活体识别

序号	模型名称
1	人脸活体检测模型-IR
2	人脸活体检测模型-RGB
3	静默人脸活体检测模型-炫彩

• 人脸关键点

序号	模型名称
1	FLCM人脸关键点置信度模型

• 人脸属性 & 表情

序号	模型名称
1	人脸表情识别模型FER
2	人脸属性识别模型FairFace

来源说明

本模型及代码来自达摩院自研技术