qq_43781332的博客

你有没有过这样的经历？小区监控拍到可疑人员，但人脸模糊得像打了马赛克，技术人员折腾半天也没法精准识别；或者用身份证上的清晰照片比对监控里的低分辨率人脸，系统却频频 “认错人”—— 这不是技术人员不努力，而是低分辨率人脸识别一直是行业里的 “老大难” 问题。​不过最近，WACV 2025 会议上发布的PETALface 模型，给这个难题带来了堪称 “教科书级” 的解决方案。

PETALface 以 “参数高效迁移学习” 为核心，通过 backbones/lora_layers.py 实现 LoRA 模块，结合 train_iqa.py 中的图像质量加权策略，在低分辨率数据集上微调时仅更新少量参数，避免灾难性遗忘。数据集处理、模型训练、多场景验证的模块化设计，使其能高效支持高低分辨率人脸识别任务的研究与部署。参数名作用示例值--network骨干网络类型（需带IQA）--use_lora是否启用LoRA微调TrueLoRA低秩矩阵的秩8预训练模型路径--iqa。