第5期 夏洋洋，等：人脸识别背后的数据清理问题研究 .623· verification[J].IEEE transactions on pattern analysis and [22]GUO Y,ZHANG L,HU Y,et al.MS-celeb-1M:a dataset machine intelligence,2016,38(10):1997-2009. and benchmark for large-scale face recognition[C]//IEEE [9]TAIGMAN Y,YANG M,RANZATO M,et al.Deepface: Conference on Computer Vision and Pattern Recognition. closing the gap to human-level performance in face Las Vegas,USA,2016:113-124. verification[C]//IEEE Conference on Computer Vision and [23]BANSAL A,NANDURI A,CASTILLO C,et al.UMDFaces: Pattern Recognition.Columbia,American, 2014: an annotated face dataset for training deep networks[C]/ 1701-1708. IEEE Conference on Computer Vision and Pattern [10]WEN Y,ZHANG K,LI Z,et al.A discriminative feature Recognition.Las Vegas,USA,2016:976-984. learning approach for deep face recognition C]//ECCV [24]WOLF L,HASSENER T,MAOZ I.Face recognition in Conference on Computer Vision.Amsterdam,Holand, unconstrained videos with matched background similarity 2016:499-515. [C]//Computer Vision and Pattern Recognition.Colorado [11]HUANG G B,MATTAR M,BERG T,et al.Labeled faces Springs,USA,2011:529-534. in the wild:a database for studying face recognition in [25 GUO Y,ZHANG L.One-shot face recognition by unconstrained environments[J].Month,2007. promoting underrepresented classes[].Computer vision [12 SUN Y,WANG X,TANG X.Deep learning face and pattern recognition,arxiv:1707.05574,2017. representation from predicting 10,000 classes[C]//IEEE [26]NECH A,Kemelmachershlizerman I.Level playing field Conference on Computer Vision and Pattern Recognition. for million scale face recognition[.Computer vision and Hawaii,USA,2014:1891-1898. pattern recognition,arxiv:1705.00393,2017. [13]LIU J,DENG Y,BAI T,et al.Targeting ultimate [27]ZHANG K,ZHANG Z,LI Z,et al.Joint face detection and accuracy:face recognition via deep embedding [C]/ alignment using multitask cascaded convolutional networks[J] European Conference on Computer Vision.Amsterdam, IEEE signal processing letters,2016,23(10):1499-1503. Netherlands,2016:499-515. [28]HUANG G.B,LEARNED-MILLER E.Labeled faces in the [14]TAIGMAN Y.YANG M,RANZATO M,et al.Web-scale wild:updates and new reporting procedures[R].Technical training for face identification[C]//Computer Vision and report UM-CS-2014-003. Pattern Recognition.Columbus,USA,2014:2746-2754. [29]JIA Y,SHELHAMER E,DONAHUE J,et al.Caffe: [15 SUN Y,WANG X,TANG X.Deeply learned face convolutional architecture for fast feature embedding [J]. representations are sparse,selective,and robust[C]// Eprint arxiv,2014:675-678. Computer Vision and Pattern Recognition.Boston,USA, [30]LIU F,ZENG D,ZHAO Q,et al.Joint face alignment and 2015:2892-2900. 3D face reconstruction C]//European Conference on [16]SCHROFF F,KALENICHENKO D,PHILBIN J.Facenet: Computer Vision.Amsterdam,Netherlands,2016:545-560. a unified embedding for face recognition and clustering 作者简介： [C]//IEEE Conference on Computer Vision and Pattern 夏洋洋，男，1990年生，硕士研究 Recognition.Boston,USA,2015:815-823. 生，主要研究方向为深度学习、图像处 [17]WEN Y,ZHANG K,LI Z,et al.A discriminative feature 理、人脸识别。 learning approach for deep face recognition[C]//European Conference on Computer Vision.Amsterdam,Netherlands, 2016:499-515. [18]SEITZ S M,MILLER D,et al.The megaface benchmark: 1 million faces for recognition at scale[C]//Computer 龚勋，男，1980年生，副教授，博士， Vision and Pattern Recognition.Las Vegas,USA,2016: 主要研究方向为图像处理及模式识别、 4873-4882 三维人脸建模、人脸图像分析及识别。 [19]BORJI A,IZADI S,ITTI L.iLab-20M:a large-scale 获国家发明专利2项，发表学术论文30 controlled object dataset to investigate deep learning[Cl// 余篇，出版专著1部。 IEEE Conference on Computer Vision and Pattern Recognition.Las Vegas,USA,2016:2221-2230. [20]KEMELMACHERSHLIZERMAN I.SEITZ S M.MILLER D,et al.The megaface benchmark:I million faces for 洪西进，男，1957年生，特聘教授 recognition at scale C]//Computer Vision and Pattern 博士，主要研究方向为信息安全、生物 Recognition.Las Vegas,USA,2016:4873-4882. 辨识、云计算与大数据、智能图像处理。 [21]GUO Y,ZHANG L,HU Y,et al.MS-Celeb-1M:challenge 发明专利13项，发表SC期刊学术论 of recognizing one million celebrities in the real world[C/ 文80余篇，国际学术会议论文110 Electronic imaging.San Francisco,USA,2016:1-6. 余篇。ｖｅｒｉｆｉｃａｔｉｏｎ［ Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｐａｔｔｅｒｎ ａｎａｌｙｓｉｓ ａｎｄ ｍａｃｈｉｎｅ ｉｎｔｅｌｌｉｇｅｎｃｅ， ２０１６， ３８（１０）： １９９７－２００９． ［９］ ＴＡＩＧＭＡＮ Ｙ， ＹＡＮＧ Ｍ， ＲＡＮＺＡＴＯ Ｍ， ｅｔ ａｌ． Ｄｅｅｐｆａｃｅ： ｃｌｏｓｉｎｇ ｔｈｅ ｇａｐ ｔｏ ｈｕｍａｎ⁃ｌｅｖｅｌ ｐｅｒｆｏｒｍａｎｃｅ ｉｎ ｆａｃｅ ｖｅｒｉｆｉｃａｔｉｏｎ［Ｃ］ ／ ／ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｃｏｌｕｍｂｉａ， Ａｍｅｒｉｃａｎ， ２０１４： １７０１－１７０８． ［１０］ＷＥＮ Ｙ， ＺＨＡＮＧ Ｋ， ＬＩ Ｚ， ｅｔ ａｌ． Ａ ｄｉｓｃｒｉｍｉｎａｔｉｖｅ ｆｅａｔｕｒｅ ｌｅａｒｎｉｎｇ ａｐｐｒｏａｃｈ ｆｏｒ ｄｅｅｐ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ［ Ｃ］ ／ ／ ＥＣＣＶ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ａｍｓｔｅｒｄａｍ， Ｈｏｌａｎｄ， ２０１６： ４９９－５１５． ［１１］ＨＵＡＮＧ Ｇ Ｂ，ＭＡＴＴＡＲ Ｍ， ＢＥＲＧ Ｔ， ｅｔ ａｌ． Ｌａｂｅｌｅｄ ｆａｃｅｓ ｉｎ ｔｈｅ ｗｉｌｄ： ａ ｄａｔａｂａｓｅ ｆｏｒ ｓｔｕｄｙｉｎｇ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｉｎ ｕｎｃｏｎｓｔｒａｉｎｅｄ ｅｎｖｉｒｏｎｍｅｎｔｓ［Ｊ］．Ｍｏｎｔｈ， ２００７． ［ １２ ］ ＳＵＮ Ｙ， ＷＡＮＧ Ｘ， ＴＡＮＧ Ｘ． Ｄｅｅｐ ｌｅａｒｎｉｎｇ ｆａｃｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｆｒｏｍ ｐｒｅｄｉｃｔｉｎｇ １０，０００ ｃｌａｓｓｅｓ［Ｃ］ ／ ／ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｈａｗａｉｉ， ＵＳＡ， ２０１４： １８９１－１８９８． ［ １３ ］ ＬＩＵ Ｊ， ＤＥＮＧ Ｙ， ＢＡＩ Ｔ， ｅｔ ａｌ． Ｔａｒｇｅｔｉｎｇ ｕｌｔｉｍａｔｅ ａｃｃｕｒａｃｙ： ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｖｉａ ｄｅｅｐ ｅｍｂｅｄｄｉｎｇ ［ Ｃ ］ ／ ／ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ａｍｓｔｅｒｄａｍ， Ｎｅｔｈｅｒｌａｎｄｓ， ２０１６： ４９９－５１５． ［１４］ＴＡＩＧＭＡＮ Ｙ， ＹＡＮＧ Ｍ， ＲＡＮＺＡＴＯ Ｍ， ｅｔ ａｌ． Ｗｅｂ⁃ｓｃａｌｅ ｔｒａｉｎｉｎｇ ｆｏｒ ｆａｃｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｃ］ ／ ／ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ．Ｃｏｌｕｍｂｕｓ， ＵＳＡ， ２０１４： ２７４６－２７５４． ［１５ ］ ＳＵＮ Ｙ， ＷＡＮＧ Ｘ， ＴＡＮＧ Ｘ． Ｄｅｅｐｌｙ ｌｅａｒｎｅｄ ｆａｃｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ａｒｅ ｓｐａｒｓｅ， ｓｅｌｅｃｔｉｖｅ， ａｎｄ ｒｏｂｕｓｔ ［ Ｃ］ ／ ／ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｂｏｓｔｏｎ， ＵＳＡ， ２０１５： ２８９２－２９００． ［１６］ＳＣＨＲＯＦＦ Ｆ， ＫＡＬＥＮＩＣＨＥＮＫＯ Ｄ， ＰＨＩＬＢＩＮ Ｊ． Ｆａｃｅｎｅｔ： ａ ｕｎｉｆｉｅｄ ｅｍｂｅｄｄｉｎｇ ｆｏｒ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ ｃｌｕｓｔｅｒｉｎｇ ［Ｃ］ ／ ／ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｂｏｓｔｏｎ， ＵＳＡ， ２０１５： ８１５－８２３． ［１７］ＷＥＮ Ｙ， ＺＨＡＮＧ Ｋ， ＬＩ Ｚ， ｅｔ ａｌ． Ａ ｄｉｓｃｒｉｍｉｎａｔｉｖｅ ｆｅａｔｕｒｅ ｌｅａｒｎｉｎｇ ａｐｐｒｏａｃｈ ｆｏｒ ｄｅｅｐ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］ ／ ／ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ａｍｓｔｅｒｄａｍ， Ｎｅｔｈｅｒｌａｎｄｓ， ２０１６： ４９９－５１５． ［１８］ＳＥＩＴＺ Ｓ Ｍ， ＭＩＬＬＥＲ Ｄ， ｅｔ ａｌ．Ｔｈｅ ｍｅｇａｆａｃｅ ｂｅｎｃｈｍａｒｋ： １ ｍｉｌｌｉｏｎ ｆａｃｅｓ ｆｏｒ ｒｅｃｏｇｎｉｔｉｏｎ ａｔ ｓｃａｌｅ ［ Ｃ］ ／ ／ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｌａｓ Ｖｅｇａｓ， ＵＳＡ， ２０１６： ４８７３－４８８２． ［ １９］ ＢＯＲＪＩ Ａ， ＩＺＡＤＩ Ｓ， ＩＴＴＩ Ｌ． ｉＬａｂ⁃２０Ｍ： ａ ｌａｒｇｅ⁃ｓｃａｌｅ ｃｏｎｔｒｏｌｌｅｄ ｏｂｊｅｃｔ ｄａｔａｓｅｔ ｔｏ ｉｎｖｅｓｔｉｇａｔｅ ｄｅｅｐ ｌｅａｒｎｉｎｇ［Ｃ］ ／ ／ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｌａｓ Ｖｅｇａｓ， ＵＳＡ， ２０１６： ２２２１－２２３０． ［２０］ＫＥＭＥＬＭＡＣＨＥＲＳＨＬＩＺＥＲＭＡＮ Ｉ， ＳＥＩＴＺ Ｓ Ｍ， ＭＩＬＬＥＲ Ｄ， ｅｔ ａｌ． Ｔｈｅ ｍｅｇａｆａｃｅ ｂｅｎｃｈｍａｒｋ： １ ｍｉｌｌｉｏｎ ｆａｃｅｓ ｆｏｒ ｒｅｃｏｇｎｉｔｉｏｎ ａｔ ｓｃａｌｅ ［ Ｃ］ ／ ／ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｌａｓ Ｖｅｇａｓ， ＵＳＡ， ２０１６：４８７３－４８８２． ［２１］ＧＵＯ Ｙ， ＺＨＡＮＧ Ｌ， ＨＵ Ｙ， ｅｔ ａｌ． ＭＳ⁃Ｃｅｌｅｂ⁃１Ｍ： ｃｈａｌｌｅｎｇｅ ｏｆ ｒｅｃｏｇｎｉｚｉｎｇ ｏｎｅ ｍｉｌｌｉｏｎ ｃｅｌｅｂｒｉｔｉｅｓ ｉｎ ｔｈｅ ｒｅａｌ ｗｏｒｌｄ［Ｃ］ ／ ／ Ｅｌｅｃｔｒｏｎｉｃ ｉｍａｇｉｎｇ． Ｓａｎ Ｆｒａｎｃｉｓｃｏ，ＵＳＡ，２０１６： １－６． ［２２］ＧＵＯ Ｙ， ＺＨＡＮＧ Ｌ， ＨＵ Ｙ， ｅｔ ａｌ． ＭＳ⁃ｃｅｌｅｂ⁃１Ｍ： ａ ｄａｔａｓｅｔ ａｎｄ ｂｅｎｃｈｍａｒｋ ｆｏｒ ｌａｒｇｅ⁃ｓｃａｌｅ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］ ／ ／ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｌａｓ Ｖｅｇａｓ， ＵＳＡ， ２０１６： １１３－１２４． ［２３］ＢＡＮＳＡＬ Ａ， ＮＡＮＤＵＲＩ Ａ， ＣＡＳＴＩＬＬＯ Ｃ， ｅｔ ａｌ． ＵＭＤＦａｃｅｓ： ａｎ ａｎｎｏｔａｔｅｄ ｆａｃｅ ｄａｔａｓｅｔ ｆｏｒ ｔｒａｉｎｉｎｇ ｄｅｅｐ ｎｅｔｗｏｒｋｓ［Ｃ］ ／ ／ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｌａｓ Ｖｅｇａｓ， ＵＳＡ， ２０１６： ９７６－９８４． ［２４］ ＷＯＬＦ Ｌ， ＨＡＳＳＥＮＥＲ Ｔ， ＭＡＯＺ Ｉ． Ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｉｎ ｕｎｃｏｎｓｔｒａｉｎｅｄ ｖｉｄｅｏｓ ｗｉｔｈ ｍａｔｃｈｅｄ ｂａｃｋｇｒｏｕｎｄ ｓｉｍｉｌａｒｉｔｙ ［Ｃ］ ／ ／ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｃｏｌｏｒａｄｏ Ｓｐｒｉｎｇｓ， ＵＳＡ， ２０１１：５２９－５３４． ［ ２５ ］ ＧＵＯ Ｙ， ＺＨＡＮＧ Ｌ． Ｏｎｅ⁃ｓｈｏｔ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ｂｙ ｐｒｏｍｏｔｉｎｇ ｕｎｄｅｒｒｅｐｒｅｓｅｎｔｅｄ ｃｌａｓｓｅｓ ［ Ｊ］． Ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ ａｎｄ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ， ａｒｘｉｖ：１７０７．０５５７４，２０１７． ［２６］ ＮＥＣＨ Ａ， Ｋｅｍｅｌｍａｃｈｅｒｓｈｌｉｚｅｒｍａｎ Ｉ． Ｌｅｖｅｌ ｐｌａｙｉｎｇ ｆｉｅｌｄ ｆｏｒ ｍｉｌｌｉｏｎ ｓｃａｌｅ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ［ Ｊ］． Ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ ａｎｄ ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ， ａｒｘｉｖ：１７０５．００３９３，２０１７． ［２７］ ＺＨＡＮＧ Ｋ， ＺＨＡＮＧ Ｚ， ＬＩ Ｚ， ｅｔ ａｌ． Ｊｏｉｎｔ ｆａｃｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ａｌｉｇｎｍｅｎｔ ｕｓｉｎｇ ｍｕｌｔｉｔａｓｋ ｃａｓｃａｄｅｄ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ ｌｅｔｔｅｒｓ， ２０１６， ２３（１０）：１４９９－１５０３． ［ ２８］ＨＵＡＮＧ Ｇ．Ｂ， ＬＥＡＲＮＥＤ⁃ＭＩＬＬＥＲ Ｅ． Ｌａｂｅｌｅｄ ｆａｃｅｓ ｉｎ ｔｈｅ ｗｉｌｄ： ｕｐｄａｔｅｓ ａｎｄ ｎｅｗ ｒｅｐｏｒｔｉｎｇ ｐｒｏｃｅｄｕｒｅｓ［Ｒ］． Ｔｅｃｈｎｉｃａｌ ｒｅｐｏｒｔ ＵＭ⁃ＣＳ⁃２０１４－００３． ［２９］ ＪＩＡ Ｙ， ＳＨＥＬＨＡＭＥＲ Ｅ， ＤＯＮＡＨＵＥ Ｊ， ｅｔ ａｌ． Ｃａｆｆｅ： ｃｏｎｖｏｌｕｔｉｏｎａｌ ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ ｆａｓｔ ｆｅａｔｕｒｅ ｅｍｂｅｄｄｉｎｇ ［ Ｊ］． Ｅｐｒｉｎｔ ａｒｘｉｖ， ２０１４：６７５－６７８． ［ ３０］ＬＩＵ Ｆ， ＺＥＮＧ Ｄ， ＺＨＡＯ Ｑ， ｅｔ ａｌ． Ｊｏｉｎｔ ｆａｃｅ ａｌｉｇｎｍｅｎｔ ａｎｄ ３Ｄ ｆａｃｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ［ Ｃ ］ ／ ／ Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ａｍｓｔｅｒｄａｍ，Ｎｅｔｈｅｒｌａｎｄｓ， ２０１６： ５４５－５６０． 作者简介： 夏洋洋，男， １９９０ 年生，硕士研究 生，主要研究方向为深度学习、图像处 理、人脸识别。 龚勋，男，１９８０ 年生，副教授，博士， 主要研究方向为图像处理及模式识别、 三维人脸建模、人脸图像分析及识别。 获国家发明专利 ２ 项，发表学术论文 ３０ 余篇，出版专著 １ 部。 洪西进，男，１９５７ 年生，特聘教授， 博士，主要研究方向为信息安全、生物 辨识、云计算与大数据、智能图像处理。 发明专利 １３ 项，发表 ＳＣＩ 期刊学术论 文 ８０ 余 篇， 国 际 学 术 会 议 论 文 １１０ 余篇。 第 ５ 期 夏洋洋，等：人脸识别背后的数据清理问题研究 ·６２３·