[論文レビュー] Real-Time Face Recognition System

Adarsh Ghimire, Naoufel Werghi+2 more|arXiv (Cornell University)|Apr 19, 2022

Face and Expression Recognition被引用数 8

ひとこと要約

本稿では、高速で正確な顔検出にYOLOv5n0.5を、効率的な顔認証にMobileFaceNetを用いたリアルタイム顔認識システムを提示している。TensorRT最適化後、Jetson TX2上で152 FPSを達成し、顔の数に関わらず75 FPSを維持する。これにより、ロボットプラットフォームへの頑健なリアルタイム導入が可能になった。

ABSTRACT

Over the past few decades, interest in algorithms for face recognition has been growing rapidly and has even surpassed human-level performance. Despite their accomplishments, their practical integration with a real-time performance-hungry system is not feasible due to high computational costs. So in this paper, we explore the recent, fast, and accurate face recognition system that can be easily integrated with real-time devices, and tested the algorithms on robot hardware platforms to confirm their robustness and speed.

研究の動機と目的

• リアルタイム顔認識システムにおける計算ボトルネックを、検出および認証コンponentの両方の最適化によって解消すること。
• リソース制約のあるロボットプラットフォームに最新の顔認識技術をリアルタイム性能で統合すること。
• 組み込みシステムにおける従来の顔検出器の高遅延と重い認証モデルの課題を克服すること。
• エッジデバイス（例：Jetson TX2）への展開を想定し、高精度と高速性を両立すること。
• 照明状況の変化、顔のサイズ、複数顔の状況においても、組み込みハードウェア上で頑健な性能を示すことを実証すること。

提案手法

• 組み込みシステムにおけるPyTorchとの互換性を考慮し、速度・精度・バランスに優れたYOLOv5n0.5を顔検出器として選定した。
• Jetson TX2における推論速度の大幅な向上を図るため、YOLOv5n0.5モデルをTensorRTを用いて最適化した。
• FLOPSが低く、モデルサイズが小さく（4 MB）、LFWで99.55%の高い精度を示すため、顔認証にMobileFaceNetを選定した。
• Jetson TX2における推論速度の安定化を図るため、MobileFaceNetの重みに量子化を適用し、顔の数が増えても75 FPSを維持した。
• CPU、Colab GPU、Jetson TX2の複数プラットフォームでの性能評価を通じて、クロスプラットフォーム互換性を確保した。
• 最適化された検出および認証モデルを統合し、ロボットハードウェア上でリアルタイム顔認識を実現するパイプラインを構築した。

実験結果

リサーチクエスチョン

• RQ1 YOLOv5n0.5のような軽量で高速かつ正確な顔検出モデルは、Jetson TX2のようなエッジデバイスに効果的にデプロイ可能か？
• RQ2 TensorRTによるモデル最適化は、組み込みプラットフォームにおけるディープラーニングベース顔検出器の推論速度にどのように影響するか？
• RQ3 顔認証モデルは、フレーム内の顔の数に関わらず一貫したリアルタイム性能を維持できるか？
• RQ4 リアルタイムシステムに適した顔認識コンponentを選定する際、モデルの精度、FLOPS、推論速度のトレードオフはどのようなものか？
• RQ5 低消費電力のロボットプラットフォームで、人間並みの顔認識性能をリアルタイムで達成することは可能か？

主な発見

• YOLOv5n0.5は、TensorRTに変換後、Jetson TX2で152 FPSを達成し、元のPyTorch実装比で10倍の高速化を実現した。
• 最適化されたYOLOv5n0.5モデルは、WiderFaceのエイジルセットで90.8%、ハードセットで73.8%の高い精度を維持した。
• MobileFaceNetは、フレーム内の顔の数に関わらず、Jetson TX2で75 FPSを安定して達成し、リアルタイム性能の安定性を示した。
• MobileFaceNetの重みに量子化を適用することで、CPU上では性能が保持された一方、Jetson TX2では推論速度が顕著に向上し、安定化した。
• 統合システムは、1枚のJetson TX2ボード上で検出が152 FPS、認証が75 FPSのリアルタイム性能を達成した。
• 低照度や小さな顔サイズといった困難な条件下でも、Dlib や Haar Cascade といった従来の検出器を上回る頑健な性能を示した。