摘要

本文介绍了一种轻量且高效的面部识别网络——EdgeFace，该网络受到EdgeNeXt混合架构的启发。通过有效结合卷积神经网络（CNN）和变压器模型（Transformer）的优势以及低秩线性层，EdgeFace在边缘设备上实现了卓越的面部识别性能。所提出的EdgeFace网络不仅保持了较低的计算成本和紧凑的存储需求，还达到了较高的面部识别精度，使其适合部署在边缘设备上。大量实验在具有挑战性的基准面部数据集上验证了EdgeFace相较于最先进的轻量级模型和深度面部识别模型的有效性和高效性。我们的EdgeFace模型参数量为1.77M，在LFW（99.73%）、IJB-B（92.67%）和IJB-C（94.85%）数据集上取得了当前最佳的结果，优于其他计算复杂度更高的高效模型。用于复现实验的代码将公开发布。