微軟年齡測試網(wǎng)站 How-Old.net是怎樣實現(xiàn)識別年齡的？
參考 Fun with ML, Stream Analytics and PowerBI，內(nèi)有詳細說明。
這個 demo 是我們 IMML 部門(Information Management and Machine Learning)做的，主要組件是：
1. Azure Machine Learning 平臺以及其 gallery 中的 face api。Microsoft Azure Machine Learning Gallery
2. 實時統(tǒng)計用的是 Azure Event Hub 和 Azure Stream Analytics，后者可以在前者的事件流上使用類 SQL 的語句來執(zhí)行一個 Near Realtime 的統(tǒng)計，比如每 10 秒內(nèi)的訪問次數(shù)和結(jié)果分布。
其實本 demo 主要目的是展現(xiàn) ASA 以及 PowerBI 的實時統(tǒng)計展現(xiàn)能力，其中 ASA 剛剛 GA(general availability)，Machine Learning 和 face detection api 是之前就已經(jīng)有的東西了，沒想到大家都關(guān)注人臉識別去了。
程序員們，你們只需要 1 天時間就可以建立類似的網(wǎng)站。利用微軟發(fā)布的 face detection api，只要幾下 rest api 調(diào)用就可以得到結(jié)果了。這里有很詳細的 how to 來教你如何調(diào)用這些 api：Microsoft Project Oxford How-to detect faces from an image。而且，識別年齡和性別只是一個小功能，這套 api 還包括識別兩張照片是不是同一個人，以及識別出某個具體的人等高級功能。
Age estimation via face.
1. Face detect，檢測圖片中人臉的位置，cascade adaboost 是最常用的方法。
2. Face alignment，圖像對準(zhǔn)，確定一些關(guān)鍵的點的位置，比如眉毛，眼睛，鼻子，嘴角等，確定這些點之后可以確定人臉區(qū)域，傾斜的也可以。
3. Feature extract，有了 face region 之后，開始提取 feature，形狀 shape，紋理 texture，幾何 geometry 信息是最關(guān)鍵的 feature 了。
4. Train，有了大量 feature 數(shù)據(jù)以及對應(yīng)的年齡數(shù)據(jù)，建立一個 model 開始訓(xùn)練。SVM， linear regression 等等。
5. Age estimation，新來一張圖片，獲取 feature，根據(jù) 4 獲取的訓(xùn)練參數(shù)，估計年齡。
目前看到一些 paper 給出的 MAE(Mean absolute error)可以到 4-5 歲，但都是基于實驗室數(shù)據(jù)，微軟的也試了一下，variance 有點大。
微軟本來是為了宣傳云計算，估計年齡應(yīng)該只是一個噱頭。
