CSIG FAT-AI 2021开放场景口罩人脸识别挑战赛(简称CFAT 2021)是由中国图象图形学学会和视频国家工程实验室(NELIVA)共同主办的针对口罩遮挡的人脸1:1测试，已于7月底结束，现公布TOP 10排行榜，颁奖活动将在第十一届国际图象图形学学术会议(ICIG 2021)上举行（因疫情原因暂时延后）。本挑战赛的主旨：打造公正、开放的国家级AI赛道，以专业测评推动人脸识别技术的创新及应用。

　　浏览更多CFAT 2021排行榜信息：

　　http://fat.neliva.com.cn/home/top?id=Challengesss

　　CFAT 2021采用固定训练集，限制推理时间，由参赛者提交训练模型在线测评，不公开测试集图片，以保证比赛的公平性。仅允许参赛者使用统一的开放学术数据集进行模型训练，禁止做二次对齐，禁止采用任何外部数据以及外部数据训练得到的预训练模型。训练出的算法模型在实际数据集上进行测试，以评估真正的算法能力。

　　测试集来自面向行业应用的实际无约束场景，标准照与开放场景下的戴口罩照片比例为1:1。参赛者可使用任何可复现的口罩增强工具进行训练期的数据增强。对于测试集，视频国家工程实验室进行了人工标注，并确保和训练集无重叠，以便于对人脸识别算法进行客观和全面的评价。

　　本次竞赛吸引了来自北京、上海、深圳、重庆、广东、浙江、江苏、福建、黑龙江、吉林、湖南、湖北、四川、山东、陕西、山西、海南、江西等地的高校、企事业单位以及个人报名参赛。各支参赛队伍在长达80余天的竞赛中斗志昂扬、科学竞技、不甘后人；各自的算法模型都经过了千锤百炼，在原有基础上都取得了极大的提升。大家在公平的竞赛环境中交流切磋、各显其能，也在多次交锋中识朋会友，增进友谊。CFAT 2021竞赛达到了提升技术和锻炼队伍的双赢目的，为算法模型适应场景化应用提供了坚实的技术支撑。因篇幅所限，本文仅公布前三名参赛者的竞赛方案解读及获奖感言。

　　1.挑战赛冠军：北京百度网讯科技有限公司(团队名：CV战队）

　　该团队从训练数据、训练方法、测试增强三个方面开展工作。针对训练集和测试集差异较大的问题，引入了多种数据增强如降低分辨率、加入高斯模糊、运动模糊、对图片进行平移等方法。特别针对戴口罩人脸识别问题，引入一种简单的口罩增强方法，能够在训练过程中临时快速地对图片加入预设的口罩模板。实践表明，该快速口罩增强方法可以取得和复杂口罩增强方法一致的识别效果。该方法使用IResNet-100作为特征提取器，采用两阶段训练。在第一阶段使用 CosFace 进行训练加速收敛，在第二阶段则采用 DCQ + CosFace 联合训练提升识别效果。在测试阶段，该方法采用常见的多图融合方法，对输入图、输入图的水平翻转图、输入图加入口罩图三张图进行特征融合。

　　【获奖感言】：本次比赛我们百度视觉技术部能积极参与是因为主办方提供了一个与疫情环境下人脸识别实际应用一致的评测集，能够反映识别算法在真实应用中的效果。本次比赛规则合理、组织规范，是具有公正性和权威性的第三方评测。本次比赛吸引了众多国内顶尖人脸识别团队参赛，整个比赛过程异常紧张激烈，我们为能在这样一个公正、权威、高水平的比赛上夺冠感到自豪。

　　2.挑战赛亚军：黄余格 (团队名:SmartFace)

　　针对本次CFAT2021戴口罩人脸识别竞赛，该团队采用损失函数及模型训练策略等方式提升戴口罩人脸识别性能，最终取得了第二名的好成绩。该团队首先使用多中心交叉约束方式训练了一个较大模型，进一步约束模型学习到戴口罩人脸与正常人脸的一致特征，从而提升戴口罩人脸识别的准确率；然后使用知识蒸馏技术将大模型的性能迁移到较小模型中，从而满足推理时间限制；最后采用模型融合策略—训练互补分支，进一步加强小网络提取到的深层特征，从而得到性能更好的模型。该团队本次参赛的代码基于TFace（https://github.com/Tencent/TFace）实现，后续也会在其中开源，用于促进戴口罩人脸识别研究。

　　【获奖感言】：本次竞赛排除了参赛者数据积累能力的偏差，使研究者能聚焦算法本身，是一个较为公正权威的第三方评测。参赛过程中我们聚焦方法探索，不断尝试，积累了一些行之有效的方法，对戴口罩人脸识别任务有了更深的理解。虽然最后遗憾未获得第一名，但也收获颇丰。同时非常感谢主办方的辛勤工作，为我们提供了这样一个可以公平验证算法能力从而推动人脸识别技术创新的平台。

　　3.挑战赛季军：深圳市同为数码科技股份有限公司（团队名：xgq）

　　该团队在本次挑战赛中使用的方案backbone和head分别是SE-IR-Resnet130和CurricularFace。在比赛中，团队首先对训练集进行了清洗，经过对类内和类间的两轮迭代清洗后，训练集还包括89668个ID和5090947张图片。为了适合口罩人脸识别的目标场景，团队在给定的非口罩人脸训练集图片上做数据增广。增广方法是70%图片随机cutout模拟口罩，mask中心点选在（56,112），mask的宽高在[56,112]内随机采样，输入图片保持为112x112。该团队在训练过程中还采取了其他的数据增广方法，包含高斯噪声，高斯模糊，水平翻转，随机旋转，随机仿射变换等。

　　【获奖感言】：非常感谢视频国家工程实验室举办的本次开放场景口罩人脸识别挑战赛。本次比赛提供了真实开放场景、严格标注筛选的多样化测试集、严谨的测试流程和良好的技术支持服务，让我们有机会跟业界同仁在权威平台上做更高层次的技术交流。我们有幸在本次比赛中获得了第三名的成绩，这对我们的算法研究工作是一项积极的肯定，同时比赛中百舸争流的情景更鼓励我们还需要继续努力学习、加强科研探索。希望视频国家实验室多举办类似的高水准竞赛，越办越好，带动我们继续技术创新。

　　紫为云（北京）智能科技有限公司是由清华控股（清华大学）投资，经教育部批准成立的国家高新技术企业；紫为云致力于探索AI创新技术产业化之路，促进跨媒体场景应用落地。2020年成为中安公共安全智能视频技术联盟理事单位，2021年荣获 “2021iResearch Awards金瑞奖”最佳创新企业奖。

　　紫为云聚焦“交互式人工智能（CoAI）”全栈核心技术研发，在多模态算法、沉浸式计算、扩展现实、数据处理等方面掌握核心技术，创建“感知+算力”融合的“沉浸式AI引擎”，多项人工智能技术已达先进水平。

　　基于质量评估的1:1竞赛（8月9日-9月16日）

　　视频国家工程实验室（NELIVA）将于2021年8月9日-9月16日举办基于质量评估的1:1竞赛（简称:1:1QA)，验证期截止2021年8月15日（含）。

　　尽管1:1识别算法的准确率当前已经达到了很高的水准，但是在实际应用中仍然存在由低质量图片导致的相当比例的匹配错误。在本测评中要求参赛者实现各自的质量评估算法，并在此基础上评估算法在屏蔽一定比例低质量样本后的最终识别准确率。如报名参赛，请登录FAT-AI 竞赛网站fat.neliva.com.cn，详情请浏览《FAT_1:1QA_竞赛指南》。