Insightface

ArcFace/InsightFace（弧度）是伦敦帝国理工学院邓建康等在2018.01发表，在SphereFace基础上改进了对特征向量归一化和加性角度间隔，提高了类间可分性同时加强类内紧度和类间差异。
论文链接：ArcFace: Additive Angular Margin Loss for Deep Face Recognition

提到人工智能和人脸识别开源技术，相信很多业内的同行对于InsightFace应该不陌生，其中的Arcface论文（https://arxiv.org/abs/1801.07698）被引用超过2100+，自从2018年开源以来，在GitHub上的增长也保持着强劲的增长态势。

而且近一年来，InsightFace持续保持着强劲且活跃的更新态势：

其中既包含大量在学术圈、国际比赛（ICCV21、NIST-FRVT）的新进展，也支持多种框架的适配（MXNet、PyTorch、PaddlePaddle）。

InsightFace 是基于 MXNet 框架实现的业界主流人脸识别解决方案。相较MXNet的实现方案，基于OneFlow的实现方案在性能方面更是十分优秀，OneFlow在数据并行时速度是其2.82倍；模型并行时速度是其2.45倍；混合并行+Partial fc时速度是其1.38倍。基于OneFlow实现的代码已合并至 insightface的官方仓库，其中包含了数据集制作教程、训练和验证脚本、预训练模型以及和MXNet模型的转换工具。