Facebook超牛的人脸识别能力-阿里云开发者社区

开发者社区> 大数据文摘> 正文
登录阅读全文

Facebook超牛的人脸识别能力

简介:

当问到两张陌生照片中的面孔是否是同一个人时,一个人类答对的几率是97.53%。Facebook新开发的软件面对这一挑战的分数是97.25%,不论明暗的变化,也不论照片中的人是否直面着镜头。


这比起之前的面部匹配软件来说是一个显著进步,展示出名为深度学习的人工智能新手段的威力。Facebook及其竞争对手去年在深度学习上大举押注。这一人工智能领域包括使用模拟神经元网络,来学习在大规模数据中识别某些模式。


“通常不会有这么大的进步,”雅尼夫·泰格曼(Yaniv Taigman)说。他是Facebook人工智能团队的一员,这一研究小组是在去年建立,致力于探索深度学习如何帮助该公司。“我们的新软件已非常接近人类的表现,”泰格曼说。他还指出,比起早些时候执行同样任务的软件,新软件的错误率已经减少了超过四分之一。


Facebook的新软件名为DeepFace,执行的任务被研究人员称为“面部验证”,而不是“面部识别”。面部验证是指认出两张照片中相同的面孔,而面部识别是指认出面孔的姓名。不过泰格曼说,一些基础技术可以用来解决面部识别的问题,这样就能在用户标记新上传的照片时,提高Facebook建议的准确性。


然而DeepFace仍然纯粹是一个研究项目。上周Facebook发表了一篇该项目的研究论文,研究人员将在6月份电气电子工程师协会(IEEE)的计算机视觉与模式识别会议(Conference on Computer Vision and Pattern Recognition)上展示这一成果。泰格曼说,“我们将发布我们的成果,以得到研究界的反馈。”泰格曼与Facebook的同事杨明(音译)和马尔考雷利奥·兰扎托(Marc’Aurelio Ranzato)以及特拉维夫大学教授利奥尔·沃尔夫(Lior Wolf)一起开发了DeepFace软件。


DeepFace以两个步骤处理脸部图像。它会首先纠正面部的角度,令照片中的人脸朝前,使用的是一个“普通”朝前看的脸的三维模型。随后采取深度学习的方法,以一个模拟神经网络推算出调整后面部的数字描述。如果DeepFace从两张不同的照片得到了足够相似的描述,它就会认定照片展示的是同一张脸。


最终版本软件的性能通过一组标准数据集进行了测试,这组数据集被研究人员用来基准面部匹配软件,也被用来测试人类如何匹配面孔。


华盛顿大学研究员尼拉吉·库马尔(Neeraj Kumar)致力于面部验证和识别的研究,他说Facebook的成果显示出,找到足够的数据来注入大型类神经网络,是如何推动机器学习软件的显著进步的。“我敢打赌,这一成果大部分来自于深度学习通常就能提供的优势,即能够以一个容量更高的学习模式,来利用大量的外部数据,”他说。


DeepFace的深度学习部分是由九层简单模拟神经元构成,它们之间有超过1.2亿个联系。为训练这一网络,Facebook的研究人员选出了该公司囤积的用户照片中的一小部分数据——属于近4千人的4百万张带有面孔的照片。“因为能够访问大量这一模式的数据,所以他们能够成功地训练出一种高容量的模式,”库马尔说。


原文发布时间为:2014-07-16

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
大数据文摘
使用钉钉扫一扫加入圈子
+ 订阅

官方博客
最新文章
相关文章
官网链接