MFR (Ongoing version of ICCV-2021 Masked Face Recognition Challenge & Workshop(MFR))

在 COVID-19 冠状病毒流行期间，几乎每个人都戴着口罩，这对人脸识别提出了巨大挑战。传统的人脸识别系统可能无法有效识别蒙面人脸，但摘下口罩进行身份验证会增加病毒感染的风险。受 COVID-19 大流行应对措施的启发，人们在公共场所佩戴防护口罩的广泛要求促使人们需要了解人脸识别技术如何处理被遮挡的面部，通常只有眼周区域及以上可见。为了应对戴口罩带来的挑战，改进现有的人脸识别方法至关重要。最近，一些商业供应商宣布推出能够处理口罩的人脸识别算法，越来越多的研究出版物出现在戴口罩的人脸识别主题上。但是，由于疫情的突然爆发，目前还没有公开的蒙面人脸识别基准。在本次工作坊中，我们将组织蒙面人脸识别（MFR）挑战赛，重点关注在口罩存在下对深度人脸识别方法进行基准测试。在这个挑战中，我们将评估以下测试集的准确性： 蒙面和非蒙面人脸之间的准确性。儿童（2~16岁）的准确性。全球化多种族基准的准确性。我们确保这些测试集和公开可用的训练数据集之间没有重叠，因为它们不是从在线名人那里收集的。全球化的多种族测试集包含 242,143 个身份和 1,624,305 个图像。掩码测试集包含 6,964 个身份、6,964 个掩码图像和 13,928 个非掩码图像。总共有 13,928 个阳性对和 96,983,824 个阴性对。儿童测试集包含 14,344 个身份和 157,280 张图像。总共有 1,773,428 个阳性对和 24,735,067,692 个阴性对。对于 Mask 集，TAR 是在 mask-to-non-mask 1:1 协议上测量的，FAR 小于 0.0001(e-4)。对于儿童组，TAR 是在全对全 1:1 协议上测量的，FAR 小于 0.0001(e-4)。对于其他集合，TAR 是在全对全 1:1 协议上测量的，FAR 小于 0.000001(e-6)。参与者按两个数据集的最高分数排序：TAR@Mask 和 TAR@MR-All，公式为 0.25 * TAR@Mask + 0.75 * TAR@MR-All。