|
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(rèn)出上面的人是同一個人的幾率是 97.53%。Facebook 的研發(fā)團隊最近開發(fā)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(zhǔn)確率達(dá)到了 97.25%，而且不用考慮圖片的光影質(zhì)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(zhǔn)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(xué)習(xí)”技術(shù)，這一技術(shù)最近深受科技企業(yè)的喜愛，F(xiàn)acebook、Google、微軟等企業(yè)都已經(jīng)加入到了深度學(xué)習(xí)的陣營中來。通過模擬神經(jīng)元運作，深度學(xué)習(xí)技術(shù)提高計算機的人工智能水平，可以讓計算機在大量的數(shù)據(jù)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(shù)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(xué)習(xí)來提高 Facebook 的產(chǎn)品體驗。他說，“我們研發(fā)的軟件的表現(xiàn)已經(jīng)十分接近真人的表現(xiàn)。”跟上一代面部識別軟件相比，使用深度學(xué)習(xí)技術(shù)的新軟件在處理相同的圖片時，錯誤率降低了 25%。 哦對了，F(xiàn)acebook 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(fā)現(xiàn)面部特征相似的人。不過 Taigman 說，如果加上一些之前的技術(shù)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(biāo)注“這個人是誰”。 不過，DeepFace 現(xiàn)在并沒有在 Facebook 的網(wǎng)站上應(yīng)用，仍處在研發(fā)階段。上周，F(xiàn)acebook 團隊發(fā)表了一篇學(xué)術(shù)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(xiàn)實表現(xiàn)。Taigman 說：“屆時，我們將會在大會上發(fā)布研究團隊內(nèi)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(diào)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(xué)習(xí)技術(shù)的神經(jīng)網(wǎng)絡(luò)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(xiàn)結(jié)果最終還要經(jīng)過研究人員的標(biāo)準(zhǔn)數(shù)據(jù)測試，查看軟件面部識別的錯誤率。 華盛頓大學(xué)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(jié)果表明，只要發(fā)現(xiàn)了足夠的數(shù)據(jù)來滿足大型神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)需求，就能讓機器學(xué)習(xí)軟件取得巨大的進步。“我認(rèn)為深度學(xué)習(xí)能提供的一大好處就是：能在具有高度學(xué)習(xí)能力的模型上處理大量的外部數(shù)據(jù)。” DeepFace 的深度學(xué)習(xí)技術(shù)一共使用了 9 層模擬神經(jīng)元，在整個神經(jīng)網(wǎng)絡(luò)中有 1.2 億節(jié)點。在訓(xùn)練深度學(xué)習(xí)的時候，F(xiàn)acebook 使用了 4000 名 Facebook 用戶上傳在[url=]服務(wù)器[/url]上的約 400 萬張照片。Kumar 說：“Facebook 有足夠的數(shù)據(jù)來讓系統(tǒng)學(xué)習(xí)，所以能成功地訓(xùn)練處一個具有高度學(xué)習(xí)能力的模型。” |
