点击上方“深度学习技术前沿”，选择“星标”公众号
资源干货，第一时间送达
作者：Devymex Wang
/p/101683776
本文已由作者授权，未经允许，不得二次转载
NIST FRVT称得上是全球最权威的人脸识别竞赛，我有幸也参与到了这项比赛中。几个月准备过程中的各种痛苦和折磨，最终也都转化成了优异的成绩，算是一种安慰吧。下面介绍一下比赛的基本情况。
该比赛是由美国国家标准委员会举办，面向全球人脸算法供应商，接受算法提交，进行保密测试后在NIST官网上发布成绩和排名，每三个月举办一轮并刷新榜单。比赛分为四个大项，分别为1:1（识别），1:N（识别+检索），Morph（伪造识别）和Quality（质量评估）。最受广泛关注的就是 1:1 和 1:N 两项比赛，国内许多人脸别团队都有参加，包括商汤、旷视、依图、海康、大华等，当然也包括迟到的我们 :D
其中 1:1 人脸识别算法的要求是：
给定一张包含单人脸的彩色自然图像，要求计算得到图像中人脸的双眼，鼻尖和两嘴角的五个关键点坐标，并将人脸抽象成数值表达（称为「人脸模板」，也就是通常所说的人脸特征，或Feature）；
对任两个人脸特征进行比较，给出相似度得分。
1:N 人脸识别和检索算法的要求是：
给定多张包含同一个人（ID）的单人脸的彩色自然图像，要求计算得到各图像中人脸的双眼，鼻尖和两嘴角的五个关键点坐标，并提取出这个人的人脸特征；
将一组特征建立为可查询的数据库；
给定一个人脸特征和K，在数据库中查询出最相似的Top-K，并给出相似度得分。
NIST官方提供了一个镜像，是一个初始的Centos 7操作系统，供应商向NIST提交的所有的算法软件包都要求在这个镜像中进行生成和测试。NIST官方还提供了算法开发框架：
/usnistgov/frvt
算法供应商必须在此框架下进行开发算法软件，并符合其接口要求，具体要求需要仔细阅读官方文档：
https://www.nist.gov/programs-projects/frvt-1n-identification
NIST要求开发者提供的是一个或多个Linux动态链接库（*.so），以及相关数据和必要材料。开发者开发完成后，要将这些文件放入框架项目中的指定目录下，然后运行一个提供的自动化脚本完成如下流程：生成测试程序（会调用提交的算法接口）、进行简单的测试、并自动将所有需要提交的文件打成 tar 包。接下来开发者对 tar 包进行 gpg 加密和签名，就可以上传了。
上传有两种方式，一种是随邮件附件发送，如果 tar 包比较大，可以提供一个网盘链接，通过邮件把 URL 发送给 NIST。
不管是哪一项比赛，NIST 对算法的一个要求是：仅使用 CPU 计算，且单线程运行，并且整个提取特征的函数，包括检测、对齐和识别要在 1 秒内完成。这一点对于基于 CNN 模型的算法的部署方案要求很高。
经过几个月的努力，团队遇到了种种障碍和困难，甚至一度因为一个极难复现的 BUG 险些不能参赛。但最终这些问题都得到了很好的解决，这里还要是感谢 NIST 官方为我们提供了非常有效的调试信息。当然，其间波折大多涉密，这里就不方便讲了。
我们这次获得了两个单项第一，三个单项第二，综合排名第一。模型的泛化能力很好，在各个场景均表现优异。从结果榜单来看，国内的供应商占据半壁江山，实在可喜可贺。希望同行们一起继续努力，共同推动行业技术进步！
更多人工智能领域前沿资讯，请关注我们的公众号，第一时间为您送达！！！
