近日，京东AI研究院开源了FaceX-Zoo,一个专为人脸识别而生的开源库，论文 FaceX-Zoo: A PyTorch Toolbox for Face Recognition 详述了其特点，不仅方便比较研究不同的方法，还针对实际应用开发了特定功能（如人脸戴口罩、Shallow Face Learning 等）。非常值得关注！
该文作者信息：
链接：https://arxiv.org/pdf/2101.04407.pdf
代码：https://github.com/JDAI-CV/FaceX-Zoo
下图展示了FaceX-Zoo的全貌：
整体上分为人脸识别训练模块、评估模块和应用组件。
训练模块支持多种人脸图像预处理，支持多个主流骨干网和监督学习头，并提供了多种并行和加速策略。
评估模块除了预处理和多种骨干网可选外，还针对主流人脸数据集的评估协议进行了兼容，方便算法比较。
应用组件则提供了可人脸识别实际应用中需要的人脸识别、对齐、戴口罩等功能，后续官方还计划加上人脸解析、重打光等。
下表是使用不同的骨干网（使用MV-Softmx做Head）在多个人脸数据集上的识别结果：
部分工作是2020年新出的，可帮助研究人员节省大量的时间。在部分数据集上如CPLFW、RFW、MageFace上性能差别很大。
下表是使用不同监督学习Head(使用MobileFaceNet做骨干网)在多个人脸数据集上的识别结果：
可见，相同骨干网下各个Head（损失函数）所得到的结果差别不是很大。
从上面两个表格中我们可以看得出，骨干网对最终精度的影响更大，近几年出现的损失函数貌似并没有太大区别。
针对在实际应用中单ID训练样本可能极少的Shallow Face Learning问题，作者开发了普通和Semi-siamese 两种训练方式，其对比结果如下：
可见使用Semi-siamese 策略后，性能暴增！
看来这种跟数据强相关的技术，对精度的提升更明显。
为了增加训练集戴口罩人脸图像，作者们特别开发了给人脸戴口罩的技术扩充样本：
总之，研究人脸识别的小伙伴，这绝对是一个不容错过的开源库~
感谢京东AI的开源~
