人臉識(shí)別算法已經(jīng)超過(guò)人類(lèi)識(shí)別能力
計(jì)算機(jī)科學(xué)家已經(jīng)開(kāi)發(fā)出一種新的人臉識(shí)別算法，在識(shí)別人臉的能力上比人類(lèi)本身更加強(qiáng)大。
我們每個(gè)人都有過(guò)認(rèn)不出某個(gè)自己曾經(jīng)認(rèn)識(shí)的人的經(jīng)歷，在不同的姿勢(shì)、光照和表情下，這其實(shí)是一件比較困難的事情。計(jì)算機(jī)識(shí)別系統(tǒng)同樣存在這些問(wèn)題。事實(shí)上，盡管全世界的計(jì)算機(jī)科學(xué)家努力了這么多年，還是沒(méi)有任何一種計(jì)算機(jī)識(shí)別系統(tǒng)在識(shí)別人臉?lè)矫婺軌蛳袢祟?lèi)一樣強(qiáng)大。
但這并非是說(shuō)人臉識(shí)別系統(tǒng)不夠準(zhǔn)確。恰恰相反，***的人臉識(shí)別系統(tǒng)在理想情況下比人類(lèi)識(shí)別的表現(xiàn)要好的多。但是一旦環(huán)境情況變?cè)?，系統(tǒng)的表現(xiàn)就差強(qiáng)人意了。而計(jì)算機(jī)科學(xué)家們當(dāng)然是非常想要開(kāi)發(fā)出一種算法，在各種情況下都能夠表現(xiàn)優(yōu)異。
現(xiàn)在，中國(guó)香港大學(xué)的湯曉鷗教授和他的學(xué)生路超超（對(duì)不起，譯者沒(méi)有找到這名學(xué)生的名字，只能音譯了）宣布他們攻克了這個(gè)難題。他們開(kāi)發(fā)了一種叫“高斯”的人臉識(shí)別算法***超過(guò)了人類(lèi)自身。
新的識(shí)別系統(tǒng)對(duì)于各種平臺(tái)都能夠提供人類(lèi)級(jí)別的識(shí)別能力，從手機(jī)到電腦游戲中的人臉識(shí)別，從安全系統(tǒng)到密碼控制等等。
任何一個(gè)人臉自動(dòng)識(shí)別程序，首先要考慮的就是去構(gòu)建一個(gè)合適的數(shù)據(jù)集來(lái)測(cè)試算法。那需要一個(gè)非常大范圍的，各種各樣的，帶著各種復(fù)雜動(dòng)作、光線(xiàn)和表情的，不同臉的圖像，各種人種、年齡和性別都要考慮在內(nèi)。然后還要考察服裝、發(fā)型以及化妝等其他因素的影響。
比較幸運(yùn)的是，已經(jīng)有這么一個(gè)擁有各種不同人臉的標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)——Labelled Faces。它擁有超過(guò)13,000張不同人臉的圖片，它們是從網(wǎng)絡(luò)上收集的6000個(gè)不同的公眾人物。更重要的是，每個(gè)人都擁有不止一張人臉圖片。
當(dāng)然也存在其他的人臉數(shù)據(jù)庫(kù)，但是Labelled faces目前是計(jì)算機(jī)科學(xué)家們所公認(rèn)的***參考價(jià)值的測(cè)試數(shù)據(jù)集。
面部識(shí)別的任務(wù)是去比較兩張不同的圖片，然后判斷他們是否是同一個(gè)人。（你可以試試看，能否看出這里展示的每對(duì)圖片是否是同一個(gè)人。）
人類(lèi)在這個(gè)數(shù)據(jù)庫(kù)上的表現(xiàn)可以達(dá)到97.53%的準(zhǔn)確度。但是沒(méi)有任何一個(gè)計(jì)算機(jī)算法能夠達(dá)到這個(gè)成績(jī)。
直到這個(gè)新算法的出現(xiàn)。新的算法依照5點(diǎn)圖片特征，把每張臉圖規(guī)格化成一個(gè)150*120的像素圖，這些特征分別是：兩只眼睛、鼻子和嘴角的位置。
然后，算法把每張圖片劃分成重疊的25*25像素的區(qū)域，并用一個(gè)數(shù)學(xué)向量來(lái)描述每一個(gè)區(qū)域的基本特征。做完了這些，就可以比較兩張圖片的相似度了。
但是首先需要知道的是到底要比較什么。這個(gè)時(shí)候就需要用到訓(xùn)練數(shù)據(jù)集了。一般的方法是使用一個(gè)獨(dú)立的數(shù)據(jù)集來(lái)訓(xùn)練算法，然后用同一個(gè)數(shù)據(jù)集中的圖片來(lái)測(cè)試算法。
但是當(dāng)算法面對(duì)訓(xùn)練集中完全不同的兩張圖片的時(shí)候，經(jīng)常都會(huì)識(shí)別失敗。“當(dāng)圖片的分布發(fā)生改變的時(shí)候，這種訓(xùn)練方法就一點(diǎn)都不好了。”超超和曉鷗說(shuō)到。
相反，他們用四個(gè)擁有不同圖片的，完全不同的數(shù)據(jù)集來(lái)測(cè)試“高斯”算法。舉個(gè)例子，其中一個(gè)數(shù)據(jù)集是著名的Multi-PIE數(shù)據(jù)庫(kù)，它包含了 337個(gè)不同的物體，從15種不同的角度，在19種不同的光照情況下，分別拍攝4組圖片。另一個(gè)數(shù)據(jù)庫(kù)叫做Life Photes包含400個(gè)不同的人物，每個(gè)人物擁有10張圖片。
用這些數(shù)據(jù)庫(kù)訓(xùn)練了算法后，他們最終讓新算法在Labelled Faces數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試。目標(biāo)是去識(shí)別出所有匹配和不匹配的圖片對(duì)。
請(qǐng)記住人類(lèi)在這個(gè)數(shù)據(jù)庫(kù)上的表現(xiàn)是97.53%的精確度。“我們的“高斯”算法能夠達(dá)到98.52%的精確度，這也是識(shí)別算法***次擊敗人類(lèi)。”超超和曉鷗說(shuō)到。
這是一個(gè)令人印象深刻的結(jié)果，因?yàn)閿?shù)據(jù)中的照片包含各種各樣不同的情況。
超超和曉鷗指出，仍然有很多挑戰(zhàn)在等著他們?，F(xiàn)實(shí)情況中，人們可以利用各種附加的線(xiàn)索來(lái)識(shí)別，比如脖子和肩膀的位置。“超過(guò)人類(lèi)的表現(xiàn)也許只是一個(gè)象征性的成就罷了”他們說(shuō)。
另一個(gè)問(wèn)題是花費(fèi)在訓(xùn)練新算法上的時(shí)間，還有算法需要的內(nèi)存大小以及識(shí)別兩幅圖所需要的時(shí)間。這可以用并行計(jì)算和特制處理器等技術(shù)來(lái)加快算法的運(yùn)行時(shí)間。
總之，精確的人臉自動(dòng)識(shí)別算法已經(jīng)到來(lái)了，而且鑒于現(xiàn)在的事實(shí)，這只會(huì)更快。
