FaceImageQuality

收录理由

人脸识别系统遇到低质量图像时常常悄悄出错，而哪些帧会拖累匹配精度往往难以判断。这个仓库核心的SER-FIQ方法绕开了人工或合成质量标签的常规路径，转而观察人脸在识别模型随机子网络下嵌入表示的稳定性——如果一张脸在不同子网络中产生的嵌入一致，就认为它质量可靠。这种思路很适合从视频监控里挑出可用帧、筛查注册照片，或在图像进入比对前提前标记需要重拍的样本。仓库还讨论了人脸质量评估中的偏差问题并整理了相关研究，方便你权衡公平性，也便于和需要监督标签的替代方案做对比。整体属于研究型实现，不是开箱即用的服务，接入自己的模型和流程时得做些适配。