开源|全球最大最干净的人脸公开数据集Glint360K

来源：格林深瞳
作者：安翔君
链接：知乎

已经开源，先贴地址：

代码和数据地址：deepinsight/insightface​

论文地址：Partial FC: Training 10 Million Identities on a Single Machine​

1.数据集的表现：

学术界的测评比如IJB-C和megaface，利用该数据集很容易刷到SOTA，大家具体可以看论文，这里展示一下IFRT的结果，IFRT又称国产FRVT, IFRT测试集主要有不同肤色的素人构成，相比起IJB-C和megaface更具有模型的区分度。

• InsightFace Recognition Test (国产FRVT):

相比起目前最好的训练集MS1MV3，Glint360K有十个点的提升

2. 数据集的规模

类别数目和图片数目比主流训练集加起来还要多

Glint360K具有36w类别，和1700w张图片，不论在类别数还是图片数目，相比起MS1MV2都是大幅度的提升。

3. 如何训练大规模的数据

4. Partial-FC

5. 实验表现

性能方面：

我们在内部的业务和FRVT竞赛上都验证了这个方法，再学术界的测试集IJBC和Megaface上，使用Glint360K的Full softmax和10%采样会有着相当的结果。

效率方面：

在64块2080Ti，类别数1000w的实验条件下，Partial FC 的速度会是混合并行的3倍，占用的显存也会更低，并且最大支持的类别数也有了一个数量级的飞跃，成功训练起来了一亿id的分类任务。

推荐专栏文章

• 再降64%，3.5M超轻量中英文OCR模型开源，身量缩减效果提升
• 【模型性能杀器解读】如果项目的模型遇到瓶颈，用这些Tricks就对了！！！
• AI框架中图层IR的分析

更多嵌入式AI算法部署等请关注极术嵌入式AI专栏。