|
如果我們拿著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(rèn)出上面的人是同一個(gè)人的幾率是 97.53%。Facebook 的研發(fā)團(tuán)隊(duì)最近開(kāi)發(fā)的軟件可以依靠計(jì)算機(jī)自動(dòng)識(shí)別圖片上的人臉，識(shí)別同一個(gè)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(jī)。 作者：Tom Simonite 來(lái)源：TechnologyReview Facebook 的人工智能團(tuán)隊(duì)在面部識(shí)別上取得重大進(jìn)展，準(zhǔn)確率可比人工識(shí)別。 促成這一重大進(jìn)步的就是最近非�；鸨摹吧疃葘W(xué)習(xí)”技術(shù)，這一技術(shù)最近深受科技企業(yè)的喜愛(ài)，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(yíng)中來(lái)。通過(guò)模擬神經(jīng)元運(yùn)作，深度學(xué)習(xí)技術(shù)提高計(jì)算機(jī)的人工智能水平，可以讓計(jì)算機(jī)在大量的數(shù)據(jù)中識(shí)別物體。 Facebook 人工智能團(tuán)隊(duì)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。”這個(gè)人工智能團(tuán)隊(duì)于 2013 年成立，主要工作就是借助深度學(xué)習(xí)來(lái)提高 Facebook 的產(chǎn)品體驗(yàn)。他說(shuō)，“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)�！备弦淮娌孔R(shí)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(shí)，錯(cuò)誤率降低了 25%。 哦對(duì)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(shí)別，而是對(duì)比圖片，然后發(fā)現(xiàn)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，DeepFace 完全可以用來(lái)做面部識(shí)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(dòng)標(biāo)注“這個(gè)人是誰(shuí)”。 不過(guò)，DeepFace 現(xiàn)在并沒(méi)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(tuán)隊(duì)發(fā)表了一篇學(xué)術(shù)文章，并將在今年 6 月的“IEEE 計(jì)算機(jī)視覺(jué)和圖形識(shí)別大會(huì)”上展示這款軟件的現(xiàn)實(shí)表現(xiàn)。Taigman 說(shuō)：“屆時(shí)，我們將會(huì)在大會(huì)上發(fā)布研究團(tuán)隊(duì)內(nèi)部的反饋信息�！�
DeepFace 處理面部識(shí)別分成兩個(gè)步驟：第一部，計(jì)算機(jī)將圖片上非正面面對(duì)[url=]攝像機(jī)[/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(jì)算出這張面孔和哪一張存儲(chǔ)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(xiàn)結(jié)果最終還要經(jīng)過(guò)研究人員的標(biāo)準(zhǔn)數(shù)據(jù)測(cè)試，查看軟件面部識(shí)別的錯(cuò)誤率。 華盛頓大學(xué)的研究人員 Neeraj Kumar 長(zhǎng)期以來(lái)一直研究面部驗(yàn)證和識(shí)別，他說(shuō) Facebook 的研究結(jié)果表明，只要發(fā)現(xiàn)了足夠的數(shù)據(jù)來(lái)滿足大型神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)需求，就能讓機(jī)器學(xué)習(xí)軟件取得巨大的進(jìn)步�！拔艺J(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(gè)神經(jīng)網(wǎng)絡(luò)中有 1.2 億節(jié)點(diǎn)。在訓(xùn)練深度學(xué)習(xí)的時(shí)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(wàn)張照片。Kumar 說(shuō)：“Facebook 有足夠的數(shù)據(jù)來(lái)讓系統(tǒng)學(xué)習(xí)，所以能成功地訓(xùn)練處一個(gè)具有高度學(xué)習(xí)能力的模型�！� |
