[论文解读] Masked Face Recognition under Different Backbones

Bo Zhang, Ming Zhang+3 more|arXiv (Cornell University)|Jan 23, 2026

Face recognition and analysis被引用 0

一句话总结

一次勘误与比较研究，评估不同骨干网络在带口罩的人脸识别中的表现，强调 r100_mask_v2 在带口罩的准确性领先，ViT 骨干（Vit-Small/Tiny）在带口罩的性能表现强劲

ABSTRACT

Erratum to the paper (Zhang et al., 2025): corrections to Table IV and the data in Page 3, Section A. In the post-pandemic era, a high proportion of civil aviation passengers wear masks during security checks, posing significant challenges to traditional face recognition models. The backbone network serves as the core component of face recognition models. In standard tests, r100 series models excelled (98%+ accuracy at 0.01% FAR in face comparison, high top1/top5 in search). r50 ranked second, r34_mask_v1 lagged. In masked tests, r100_mask_v2 led (90.07% accuracy), r50_mask_v3 performed best among r50 but trailed r100. Vit-Small/Tiny showed strong masked performance with gains in effectiveness. Through extensive comparative experiments, this paper conducts a comprehensive evaluation of several core backbone networks, aiming to reveal the impacts of different models on face recognition with and without masks, and provide specific deployment recommendations.

研究动机与目标

• 评估骨干网络选择在安检场景下有无口罩的人脸识别中的影响。
• 识别在带口罩情况下表现最佳的骨干族（如 CNN 的 r100/r50/r34_mask_v1 等，以及 ViT 变体）。
• 基于在带口罩条件下的实证骨干性能，提供部署建议。

提出的方法

• 回顾并复现实验，在带口罩与未带口罩条件下比较骨干性能。
• 对比标准 CNN 骨干（r100/r50/r34_mask_v1）及带口罩变体（r100_mask_v2、r50_mask_v3 等）。
• 评估基于 ViT 的骨干（Vit-Small/Tiny）的带口罩识别性能。
• 总结对先前结果的勘误修正（表 IV、第 3 页、A 节）。

实验结果

研究问题

• RQ1 哪些骨干架构在带口罩的人脸识别中最有效？
• RQ2 在带口罩条件下，标准 CNN 骨干与带口罩变体之间的性能差异如何？
• RQ3 ViT 骨干在带口罩场景是否相比 CNN 骨干具有优势？
• RQ4 基于骨干在带口罩条件下的性能，应给出哪些部署建议？

主要发现

• 在标准测试中，r100 系列模型在面部比对中达到 0.01% FAR 时的准确率超过 98%。
• 在带口罩的测试中，r100_mask_v2 以 90.07% 的准确率领先。
• 在 r50 骨干中，r50_mask_v3 在其组内表现最佳，但仍落后于 r100 变体。
• r34_mask_v1 落后于其他骨干。
• 基于 ViT 的骨干（Vit-Small/Tiny）在带口罩场景中表现出显著的性能提升。
• 本文提供勘误，对表 IV 及第 3 页、A 节的数据进行了更正。