3.5 主流开源模型与选型地图

3.5 主流开源模型与选型地图

本节摘要：原理讲完，回到现实：市面上能直接搜到、能跑起来的主流入脸模型有哪些，各擅胜场还是各有软肋？本节把检测器（MTCNN、RetinaFace）与识别器（InsightFace 的 ArcFace 系列、FaceNet 等）的分工和取舍讲清楚，给出一个从"场景"到"选型"的判断路径，让你面对真实项目时不用从零扫盲。

看图说话：先别挑最强，先挑对表

仓库里宣传的"人脸识别方案"，实际是一台检测＋一台识别＋阈值装配的流水线。你要是跳过选型、直接抄别人工程里的 YAML，风险全在后面：检测器或识别器挑错，整条链的精度、速度、算力全走样。选型不是挑一个"最强"的模型，而是挑一套"和你的场景对表"的组合。先立个结论：主流做法是"检测用 RetinaFace 类、识别用 InsightFace 的 ArcFace 类"，后面再谈它为什么、何时例外。

一个容易踩的误区：把"检测器"和"识别器"混为一谈。前者只负责把脸抠出来、给关键点，后者才把标准脸编码成向量。两者是两套分工不同的网络，各自有独立的选型维度，别指望一个模型面面俱到。

检测器：把脸揪出来

检测器只管出框和关键点，识不识别、识谁它都不管。开源里两个常客：

• MTCNN：三阶段级联，轻、快、老牌，胜在资源占用少、门槛零；小脸与遮挡处理略逊。
• RetinaFace：单阶段改进，检测精度高、关键点定位准，抗小脸和遮挡更强，代价是重一点，近年来几乎是新项目的默认起点。

选检测器看两件事：一是你的主流画面里脸有多小、有没有遮挡；二是你愿意为检测扔多少算力。门禁这种正脸大脸、硬件局促，MTCNN 够用；监控这种小脸乱窜，RetinaFace 更稳。

识别器：把人认出来

识别器把标准脸编码成向量。开源里 InsightFace 系列几乎成了实际标准：它把 ArcFace 损失和一批训练好的主干（ResNet、MobileFaceNet 等）打包成可直接加载的权重，覆盖高精度到低算力多种体量。FaceNet 同样是里程碑，但开源权重与配套不如 InsightFace 顺手。手机、门禁这些低算力场景，则有 MobileFaceNet 这类轻量主干——它的取舍很直接：牺牲一点精度换回来的算力和内存，恰好满足嵌入式。

一个常见的问法："检测用 MTCNN、识别用 ResNet，能直接拼吗？"答案是可以，但你要自己做对齐口径统一——检测器出的关键点坐标、识别器期望的标准网格必须对得上，否则等于检测很好、识别白搭。InsightFace 这类把"检测＋对齐＋识别"打包的生态，就是为了少踩这一类接口对接的雷。

从场景出发的选择矩阵

这张矩阵把三类典型场景摊开：闸机门禁要"快而稳"、视频监控要"抗小脸与遮挡"、手机嵌入式要"极致轻量化"。同一行纵览，你会发现检测器与识别器常常是一对搭档——选型时别拆开追热度，要按场景一起下决定。

一张备忘表

工程实践要点

• 优先踩着成熟组合起步（RetinaFace 检测＋InsightFace/ArcFace 识别），有基线再谈换件，别从零攒——你很难把别人调了几年的坑重走一遍。
• 换识别主干一次只动一处，用相同的评测口径（同库、同阈值）做对照，避免不同方案混比之时又顺手调了一堆别的参数，导致结论失焦。
• 凡是"要认人"终归落到同一句：检测出框、识别出向量、比对过阈值。模型再多，"分工"始终是这一句，选型只是在对表谁会做得更好。
• 别不跑评测就照抄网上参数。同库不同阈值、口径一换，模型表现就蒙上一层雾，务必用你自己的数据做验收——尤其要在"你的群体分布"上测，别人的 99% 代表不了你的场景。

一句话直觉：检测器和识别器是"分工的搭档"，选型是配对的学问，而不是单挑某个明星模型的玄学。

先会看成绩单，再谈选型

选模型前，先学会读它贴出来的成绩单，否则很容易被"刷榜数字"带走。几个判断要点：一看它报的是什么库、什么口径——LFW 已经被刷到 99% 以上、几乎筛不出差距，要看 MegaFace、IJB、以及它是否配了"在什么对齐、什么阈值下测"的说明；二看它是否给了 FRR/FAR 曲线，而只给一个准确率的，多半在藏；三看它是在理想库还是贴近真实场景的库上测的，贴近生产条件的数字更值得参考。记住：公开榜好看最多说明"客观上不差"，你的数据分布和它的数据分布是两码事，最终一定要上你自己的验收集。

检测与识别的"搭档"怎么配对

选型最容易被忽略的，是检测器和识别器这对搭档要一起挑、看它们的接口能不能咬合。常见三对组合：手机/嵌入式——轻量检测（MTCNN）配轻量识别（MobileFaceNet），把算力和内存压到最小；门禁/闸机——需求快而稳，RetinaFace 检测配 ResNet 一档的 ArcFace 编码；监控/布警——要抗小脸和遮挡，检测换更重的 RetinaFace、识别保留高精度主干，必要时再叠一个行人重识别做补位。配对的核心是把"检测输出的人脸框＋关键点"直接喂给识别期望的对齐模板，接口对不上，精度再好的两顶帽子也拼不成一句话。

换件之前的排查顺序

当你对基线不满意、想换识别主干或检测器时，先按顺序排掉更廉价的问题，避免白换：第一步看数据——光照、姿态、遮挡有没有在训练里铺匀；第二步看对齐口径——训练与线上模板是否一致；第三步看损失与度量——是否按同一口径（余弦）训练和比对；第四步看阈值——是否对着自己的 FRR/FAR 代价定过。前三步通常都比换模型更影响最终分数。只有把这些都排除干净，才轮到"换个更强的主干"这种升级动作——否则你可能在数据的坑上反复换件，却始终差那么几个百分点。

到这里，原理和模型都交代完了。可一只模型要真跑起来服务业务，后面还有硬件、框架、数据、训练、部署一字排开——第 4 章见。