|
如果我們拿著兩張不同背景但是同一個人的照片給陌生人看，陌生人能從兩張照片認出上面的人是同一個人的幾率是 97.53%。Facebook 的研發團隊最近開發的軟件可以依靠計算機自動識別圖片上的人臉，識別同一個人的準確率達到了 97.25%，而且不用考慮圖片的光影質量，不用考慮照片中的人面部是否面向照相機。 作者：Tom Simonite 來源：TechnologyReview Facebook 的人工智能團隊在面部識別上取得重大進展，準確率可比人工識別。 促成這一重大進步的就是最近非常火爆的“深度學習”技術，這一技術最近深受科技企業的喜愛，Facebook、Google、微軟等企業都已經加入到了深度學習的陣營中來。通過模擬神經元運作，深度學習技術提高計算機的人工智能水平，可以讓計算機在大量的數據中識別物體。 Facebook 人工智能團隊的成員 Yaniv Taigman 說：“一般人看不到這種技術進步帶來的改善。”這個人工智能團隊于 2013 年成立，主要工作就是借助深度學習來提高 Facebook 的產品體驗。他說，“我們研發的軟件的表現已經十分接近真人的表現。”跟上一代面部識別軟件相比，使用深度學習技術的新軟件在處理相同的圖片時，錯誤率降低了 25%。 哦對了，Facebook 的這款新軟件名字叫做“DeepFace”，它的主要功能并非是我們想象的去做面部識別，而是對比圖片，然后發現面部特征相似的人。不過 Taigman 說，如果加上一些之前的技術的話，DeepFace 完全可以用來做面部識別使用，這樣用戶上傳了圖片之后，就可以很快地在圖片中自動標注“這個人是誰”。 不過，DeepFace 現在并沒有在 Facebook 的網站上應用，仍處在研發階段。上周，Facebook 團隊發表了一篇學術文章，并將在今年 6 月的“IEEE 計算機視覺和圖形識別大會”上展示這款軟件的現實表現。Taigman 說：“屆時，我們將會在大會上發布研究團隊內部的反饋信息。”
DeepFace 處理面部識別分成兩個步驟：第一部，計算機將圖片上非正面面對[url=]攝像機[/url]的人臉圖形全部調整到正面照角度，然后使用 [url=]3D[/url] 模型生成人臉的模型；第二部，借助深度學習技術的神經網絡計算出這張面孔和哪一張存儲的面孔相似。如果 3D 模型中的描述和另外一張圖片中的 3D 模型描述非常相似，軟件將自動決定這兩張照片上是同一個人。軟件的表現結果最終還要經過研究人員的標準數據測試，查看軟件面部識別的錯誤率。 華盛頓大學的研究人員 Neeraj Kumar 長期以來一直研究面部驗證和識別，他說 Facebook 的研究結果表明，只要發現了足夠的數據來滿足大型神經網絡的數據需求，就能讓機器學習軟件取得巨大的進步。“我認為深度學習能提供的一大好處就是：能在具有高度學習能力的模型上處理大量的外部數據。” DeepFace 的深度學習技術一共使用了 9 層模擬神經元，在整個神經網絡中有 1.2 億節點。在訓練深度學習的時候，Facebook 使用了 4000 名 Facebook 用戶上傳在[url=]服務器[/url]上的約 400 萬張照片。Kumar 說：“Facebook 有足夠的數據來讓系統學習，所以能成功地訓練處一個具有高度學習能力的模型。” |
