CASIA-WebFace एक बड़े पैमाने का चेहरा पहचान डेटासेट है, जिसे 2014 में चीनी विज्ञान अकादमी के स्वचालन संस्थान के शोधकर्ताओं द्वारा पेश किया गया था। इसमें वेब से एकत्रित 10,575 अलग-अलग पहचानों की 494,414 चेहरे की छवियां शामिल हैं। यह डेटासेट चेहरा पहचान मॉडलों के लिए सार्वजनिक रूप से उपलब्ध, बड़े पैमाने पर प्रशिक्षण संसाधन की आवश्यकता को पूरा करने के लिए बनाया गया था, विशेष रूप से गहन शिक्षण दृष्टिकोणों के लिए जिन्हें पर्याप्त मात्रा में लेबल किए गए डेटा की आवश्यकता होती है। यह कंप्यूटर विज़न और मशीन लर्निंग के क्षेत्र में एक मानक बेंचमार्क बन गया है, विशेष रूप से चेहरे की पुष्टि और पहचान जैसे कार्यों के लिए।
डेटासेट डोंग यी, झेन लेई, शेंगकाई लियाओ और स्टेन जेड ली द्वारा विकसित किया गया था, और इसे मेगाफेस चैलेंज के प्रशिक्षण सेट जैसे बड़े मालिकाना डेटासेट के मुफ्त विकल्प के रूप में जारी किया गया था। प्रत्येक छवि एक क्रॉप किया हुआ चेहरा है, जो आमतौर पर एक विहित मुद्रा में संरेखित होता है, जिसमें प्रकाश, अभिव्यक्ति और अवरोधन में भिन्नताएं होती हैं। पहचानें विविध हैं, जिनमें विभिन्न आयु, जातीयताएं और पृष्ठभूमि शामिल हैं, जो डेटासेट को उन मॉडलों को प्रशिक्षित करने के लिए उपयुक्त बनाती हैं जो विभिन्न जनसंख्या समूहों में सामान्यीकरण करते हैं। CASIA-WebFace का व्यापक रूप से शैक्षणिक अनुसंधान में उपयोग किया गया है और इसने चेहरा पहचान सटीकता में महत्वपूर्ण प्रगति में योगदान दिया है।
निर्माण और एनोटेशन
CASIA-WebFace की छवियां खोज इंजनों का उपयोग करके वेब से स्वचालित रूप से एकत्र की गईं और फिर अर्ध-स्वचालित पाइपलाइन का उपयोग करके फ़िल्टर की गईं। इस प्रक्रिया में चेहरे की पहचान, क्लस्टरिंग और मैन्युअल सत्यापन शामिल था ताकि यह सुनिश्चित किया जा सके कि प्रत्येक पहचान में सुसंगत छवियां हों। अंतिम डेटासेट में 10,575 विषय शामिल हैं, जिनमें प्रति विषय औसतन लगभग 47 छवियां हैं। छवियां JPEG प्रारूप में संग्रहीत हैं और विषय आईडी दर्शाने वाले मेटाडेटा के साथ हैं। डेटासेट में बाउंडिंग बॉक्स या लैंडमार्क शामिल नहीं हैं, क्योंकि चेहरे पहले से ही क्रॉप किए गए हैं और 250x250 पिक्सेल के मानक आकार में संरेखित हैं।
चेहरा पहचान अनुसंधान पर प्रभाव
CASIA-WebFace आधुनिक चेहरा पहचान प्रणालियों के विकास में सहायक रहा है। इसके जारी होने से पहले, कई शोधकर्ता मूल्यांकन के लिए लेबल्ड फेसेस इन द वाइल्ड (LFW) जैसे छोटे डेटासेट पर निर्भर थे, लेकिन गहरे तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए बड़े डेटासेट की आवश्यकता थी। CASIA-WebFace ने कन्वोल्यूशनल न्यूरल नेटवर्क (CNN) को प्रभावी ढंग से प्रशिक्षित करने के लिए पर्याप्त डेटा की मात्रा प्रदान की। इसका उपयोग FaceNet, SphereFace और CosFace जैसे मॉडलों को प्रशिक्षित करने के लिए किया गया है, जिन्होंने LFW और अन्य बेंचमार्क पर अत्याधुनिक प्रदर्शन हासिल किया। डेटासेट ने ट्रिपल लॉस और कोणीय मार्जिन लॉस जैसे लॉस फ़ंक्शनों की खोज को भी सक्षम किया, जिससे पहचानों के बीच भेदभाव में सुधार हुआ।
सीमाएं और नैतिक विचार
इसकी उपयोगिता के बावजूद, CASIA-WebFace की सीमाएं हैं। छवियां चित्रित व्यक्तियों की स्पष्ट सहमति के बिना सार्वजनिक वेब स्रोतों से एकत्र की गई हैं, जिससे गोपनीयता और नैतिक चिंताएं उत्पन्न होती हैं। डेटासेट में जनसांख्यिकीय प्रतिनिधित्व के संदर्भ में पूर्वाग्रह हो सकते हैं, क्योंकि वेब-स्क्रैपिंग प्रक्रिया कुछ जातीयताओं या आयु समूहों का अत्यधिक प्रतिनिधित्व कर सकती है। इसके अतिरिक्त, स्वचालित फ़िल्टरिंग लेबल शोर पेश कर सकती है, जहां कुछ छवियां गलत तरीके से पहचानों को सौंपी जाती हैं। शोधकर्ताओं ने इन मुद्दों पर ध्यान दिया है और अधिक नैतिक रूप से प्राप्त डेटासेट का आह्वान किया है। प्रतिक्रिया में, कुछ नए डेटासेट स्पष्ट सहमति या सिंथेटिक डेटा पीढ़ी के साथ बनाए गए हैं।
गहन शिक्षण मॉडलों में उपयोग
CASIA-WebFace आमतौर पर चेहरा पहचान में गहन शिक्षण मॉडलों के लिए प्रशिक्षण सेट के रूप में उपयोग किया जाता है। विशिष्ट पाइपलाइन में छवियों का पूर्व-प्रसंस्करण (जैसे, सामान्यीकरण, डेटा वृद्धि) शामिल है, फिर पहचान संभावनाओं को आउटपुट करने वाली एक वर्गीकरण परत के साथ CNN को प्रशिक्षित करना शामिल है। प्रशिक्षण के बाद, वर्गीकरण परत हटा दी जाती है, और अंतिम परत की सक्रियताएं चेहरे के एम्बेडिंग के रूप में कार्य करती हैं। फिर इन एम्बेडिंग का उपयोग पुष्टि या पहचान कार्यों के लिए किया जाता है। डेटासेट का उपयोग ट्रांसफर लर्निंग के लिए भी किया जाता है, जहां CASIA-WebFace पर पूर्व-प्रशिक्षित मॉडल छोटे, डोमेन-विशिष्ट डेटासेट पर ठीक-ट्यून किए जाते हैं। इसका आकार और विविधता इसे सीमित कम्प्यूटेशनल संसाधनों वाले शोधकर्ताओं के लिए एक व्यावहारिक विकल्प बनाती है, क्योंकि इसे कुछ दिनों में एक GPU पर संसाधित किया जा सकता है।
विरासत और विकल्प
अपनी रिलीज़ के बाद से, CASIA-WebFace को MS-Celeb-1M, VGGFace2 और WebFace260M जैसे बड़े डेटासेट द्वारा प्रतिस्थापित किया गया है। हालांकि, यह बेंचमार्किंग और उन शोधकर्ताओं के लिए एक लोकप्रिय विकल्प बना हुआ है जिन्हें प्रबंधनीय डेटासेट आकार की आवश्यकता होती है। डेटासेट का उपयोग प्रतियोगिताओं में और कई पेपरों में आधार रेखा के रूप में भी किया गया है। इसका प्रभाव चेहरा पहचान से परे सामान्य कंप्यूटर विज़न अनुसंधान तक फैला हुआ है, जहां यह बड़े पैमाने पर डेटा संग्रह और एनोटेशन के उदाहरण के रूप में कार्य करता है। 2025 तक, CASIA-WebFace अभी भी शैक्षणिक उपयोग के लिए सुलभ है, हालांकि शोधकर्ताओं को नैतिक निहितार्थों पर विचार करने और जब संभव हो तो नए, अधिक जिम्मेदारी से प्राप्त डेटासेट का उपयोग करने के लिए प्रोत्साहित किया जाता है।