如果我們拿著(zhù)兩張不同背景但是同一個(gè)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(gè)人的幾率是 97.53%。Facebook 的研發(fā)團隊最近開(kāi)發(fā)的軟件可以依靠計算機自動(dòng)識別圖片上的人臉,識別同一個(gè)人的準確率達到了 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(lái)源:TechnologyReview Facebook 的人工智能團隊在面部識別上取得重大進(jìn)展,準確率可比人工識別。 促成這一重大進(jìn)步的就是最近非;鸨摹吧疃葘W(xué)習”技術(shù),這一技術(shù)最近深受科技企業(yè)的喜愛(ài),Facebook、Google、微軟等企業(yè)都已經(jīng)加入到了深度學(xué)習的陣營(yíng)中來(lái)。通過(guò)模擬神經(jīng)元運作,深度學(xué)習技術(shù)提高計算機的人工智能水平,可以讓計算機在大量的數據中識別物體。 Facebook 人工智能團隊的成員 Yaniv Taigman 說(shuō):“一般人看不到這種技術(shù)進(jìn)步帶來(lái)的改善!边@個(gè)人工智能團隊于 2013 年成立,主要工作就是借助深度學(xué)習來(lái)提高 Facebook 的產(chǎn)品體驗。他說(shuō),“我們研發(fā)的軟件的表現已經(jīng)十分接近真人的表現!备弦淮娌孔R別軟件相比,使用深度學(xué)習技術(shù)的新軟件在處理相同的圖片時(shí),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(fā)現面部特征相似的人。不過(guò) Taigman 說(shuō),如果加上一些之前的技術(shù)的話(huà),DeepFace 完全可以用來(lái)做面部識別使用,這樣用戶(hù)上傳了圖片之后,就可以很快地在圖片中自動(dòng)標注“這個(gè)人是誰(shuí)”。 不過(guò),DeepFace 現在并沒(méi)有在 Facebook 的網(wǎng)站上應用,仍處在研發(fā)階段。上周,Facebook 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(jué)和圖形識別大會(huì )”上展示這款軟件的現實(shí)表現。Taigman 說(shuō):“屆時(shí),我們將會(huì )在大會(huì )上發(fā)布研究團隊內部的反饋信息!
DeepFace 處理面部識別分成兩個(gè)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(xué)習技術(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(dòng)決定這兩張照片上是同一個(gè)人。軟件的表現結果最終還要經(jīng)過(guò)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(xué)的研究人員 Neeraj Kumar 長(cháng)期以來(lái)一直研究面部驗證和識別,他說(shuō) Facebook 的研究結果表明,只要發(fā)現了足夠的數據來(lái)滿(mǎn)足大型神經(jīng)網(wǎng)絡(luò )的數據需求,就能讓機器學(xué)習軟件取得巨大的進(jìn)步!拔艺J為深度學(xué)習能提供的一大好處就是:能在具有高度學(xué)習能力的模型上處理大量的外部數據! DeepFace 的深度學(xué)習技術(shù)一共使用了 9 層模擬神經(jīng)元,在整個(gè)神經(jīng)網(wǎng)絡(luò )中有 1.2 億節點(diǎn)。在訓練深度學(xué)習的時(shí)候,Facebook 使用了 4000 名 Facebook 用戶(hù)上傳在[url=]服務(wù)器[/url]上的約 400 萬(wàn)張照片。Kumar 說(shuō):“Facebook 有足夠的數據來(lái)讓系統學(xué)習,所以能成功地訓練處一個(gè)具有高度學(xué)習能力的模型! |