人臉識別中,取出準確的有效特征值,即使在不一樣的光源、拍攝時間、些微的表情、視角變化,仍能正確判斷,是數(shù)十年來研究的挑戰(zhàn)工作。而近來人臉識別的穩(wěn)定度可以提升到滿足產業(yè)應用,在于兩個主要因素:深度卷積網絡的發(fā)展以及大量的人臉訓練數(shù)據(jù)。

卷積網絡利用層狀的結構來逐步表示影像中的復雜信號,由低階的線條到高階富有語意(semantic meaning)的物件、情境等。每個階層皆有數(shù)十個(到百個)卷積單元的單元組成—可以想像在各層輸入畫面進行特殊的樣式檢測,再將諸多檢測結果(反應強度)交給下一層繼續(xù)檢測。一般階層個數(shù)由數(shù)個到上百個,端看基底網絡架構以及應用復雜度。目前人臉識別的主流是采用ResNet型態(tài)(在2015年底由任職于微軟研究院的何凱明博士率先提出)的基底網絡。

識別時,取出末端一層網絡輸出做為人臉(高緯)特征值。過去的方法,不管是特征臉、局部二值模式、稀疏編碼等,一般類似于使用一到兩層的卷積運算來逼近,相對上,稱為「淺層」作法。與深度卷積網絡來比,參數(shù)使用量(復雜度)低,特征值描述能力相當薄弱。更重要的,當利用大量數(shù)據(jù)訓練卷積網絡時,這些重要的檢測樣式還可以由訓練樣本中自動學出,目的是為了讓最后的識別效果達到最好。之前的方法,常從經驗當中判斷設計,不一定吻合應用情境。

目前在國際研究社區(qū)也分享了相當多的人臉訓練數(shù)據(jù),甚至達到百萬人的數(shù)目。為何可以收集到這些數(shù)據(jù)?主要來自于網絡名人(明星、新聞人物)以及社群網站上的公開相簿。但是這也衍伸出其他的問題,比如說這些免費人臉數(shù)據(jù)中絕大部分為西方人,絕少戴眼鏡,畫質清晰,在實際場域上還有某些技術問題得克服,但是已經大大降低數(shù)據(jù)收集耗時、耗費的問題。

除數(shù)據(jù)外,訓練卷積網絡的目標函數(shù)(Cost Function)也占了非常重要的角色,比如說單使用常用的交叉熵(Cross-Entropy)來訓練人臉識別的穩(wěn)定度,遠遠比不上Large Margin 的系列作法—因為不只在訓練網絡中將人臉正確預測,還得讓不屬于同個人的人臉特征值分隔遙遠,反之,則得十分接近。

利用目標函數(shù),還有增益訓練數(shù)據(jù)的技術,還可以訓練網絡解決人臉光影變化過大、化妝、眼鏡的問題,甚至是低解析度的人臉識別。在特殊的安全應用上,更可以部分解決人臉偽裝的問題,最近我們獲得國際偽裝人臉識別競賽冠軍,也驗證了這些作法。

人臉識別技術發(fā)展逐漸成熟,更可能溢出傳統(tǒng)安防領域而成為「個人化」的基礎引擎,而影響各種應用情境。如果整合我們擅長的硬件(系統(tǒng)、芯片)技術,似乎在產業(yè)應用上也帶來了新的機會!

原文標題:【名家專欄】人臉識別—深度卷積網絡帶來的突破

文章出處:【微信號:DIGITIMES,微信公眾號:DIGITIMES】歡迎添加關注!文章轉載請注明出處。