人脸识别过程及部署
1.数据集的整理及清洗
----使用公司自研 "聚类算法" 整理和清洗目前最大的两个人脸数据集MegaFace 与 微软亚洲数据集 同时结合公司内部数据整理出图片共计4000万张左右。
----与铁路部合作整理人证数据集 50万个身份 用以提升人证比对效果。
2.人脸预处理
----采用自研的图像处理算法对人脸进行 "中心矫正" 较小冗余信息，增加人脸纹理识别信息。
----采用自研的图像处理算法对图像 "归一化处理” ，使得算法模型可以在不同环境、不同光照、部分遮挡下正常运行。
3.深度神经网络构建
----采用前沿的"深度神经网络"及最新框架对人脸识别模型进行构建
----结合前沿的 AM-LOSS+InsightFaceLoss+FocalLoss对模型进行收敛训练
----采用"知识蒸馏"训练小模型适用于嵌入式设备进行离线人脸识别
4.模型部署
----采用自研的模型优化算法对模型做性能优化
----采用前沿的模型推理框架NCNN使模型在嵌入式设备能快速运行。
----采用前沿的模型推理框架MNN，结合RK3399的CPU运行，提升模型效率
整体识别时间在150ms以内
目前算法库已经移植到Android设备，支持Jni调用
LFW效果：AUC:99.84%
模型已经上线运行
部署效果图：
