MS1MV3仍有五类数据缺陷，去重后训练步数更少、识别性能反升！
Different Defects, Different Effects: A Controlled Audit of Face Recognition Training Data
📖 AI 总结
该研究对人脸识别训练数据质量进行了受控审计，聚焦于广泛使用的MS1MV3数据集。作者指出，尽管该数据集经过多轮清洗，仍存在五类缺陷：完全重复与近重复图像、身份拆分、裁剪错误、多脸歧义以及无效内容。研究采用IResNet-50与ArcFace的受控训练协议，评估针对性修正各类缺陷对识别性能的影响。结果显示，定向干预可在减少优化步数的同时保持甚至提升识别性能；其中去除重复图像收益最明显，合并被拆分的身份和清除无效内容也能提升训练效率。研究强调，数据清洗的效果高度依赖缺陷类型，训练数据质量仍是大规模人脸识别中重要但探索不足的因素。
🔑 关键词速览
| MS-Celeb-1M | 一个大规模人脸识别训练数据集，包含近10万个身份的数百万张人脸图像。 |
| MS1MV3 | MS-Celeb-1M的改进版本之一，旨在通过清洗提高训练数据质量。 |
| IResNet-50 | 一种改进的残差网络架构，常用于人脸识别任务的特征提取。 |
| ArcFace | 一种加性角度间隔损失函数，用于增强人脸识别模型的判别能力。 |
| 数据审计 | 系统性地检查训练数据中的缺陷和 inconsistency 的过程。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅