腾讯AI Lab刷新人脸识别与检测两大测评国际记录,技术日调用超六亿

2017年12月18日,深圳 - 腾讯AI Lab研发的Face R-FCN和FaceCNN算法分别在国际最大、最难的人脸检测平台WIDER FACE与最热门权威的人脸识别平台MegaFace多项评测指标中荣膺榜首,刷新行业纪录,展现其在计算机视觉领域中,特别是人脸技术上的强劲实力。

研究上,目前腾讯AI Lab已通过arXiv平台发表论文公开人脸检测算法部分技术细节,促进企业与学界“共享AI”研究成果;应用上,该人脸技术已接入腾讯互联网+公共服务平台等多个应用场景,每日技术调用量超六亿次,未来有望更广泛应用到政务、金融、安防等多个领域,营造安全网络环境,方便百姓远程办事。

人脸检测是让机器找到图像视频中所有人脸并精准定位其位置信息,人脸识别是基于人脸图像自动辨识其身份,两者密切相关,前者是后者的前提和基础。在研究上,由于视角、光照、遮挡、姿态、年龄变化等复杂因素的干扰与影响,真实场景下的人脸检测与识别问题一直是极具研究价值与挑战性的国际性难题。而在应用上,其在政务、金融、安防等领域都具有极高价值。在人脸技术发展过程中,标准评测数据集的重要性不言而喻。参与标准数据集测试时,研究人员可在固定标准下,评估算法性能,并以此为方向推动技术不断发展。

人脸检测算法FaceR-FCN在WIDER FACE全部测试和FDDB测试斩获第一

在人脸检测领域,WIDERFACE是目前国际最大、最具挑战性的人脸检测评测平台,由香港中文大学发布维护,共有3.2万张图像,39万个标注的人脸,这些人脸在尺寸、姿态、角度和遮挡等有很大变化,吸引了中科院、美国卡耐基梅隆大学和马里兰大学等知名机构参与测评。

WIDER FACE 人脸图像示例,绿框为腾讯AI Lab算法检测结果,红框为官方标注结果

腾讯AI Lab针对人脸在尺度、光线、角度和遮挡上的多维变化,有效改进深度全卷积神经网络,提升人脸检测精度和鲁棒性,推出人脸检测算法Face R-FCN。该算法在WIDER FACE测试平台中使用官方指定训练集,即在完全公平竞争情况下评测不同参赛算法的性能时,在简单、中等及困难模式(Easy、Medium、Hard)的全部三个测试子集中均取得世界第一。目前该算法部分技术细节已在arXiv论文平台上公布。(论文地址:https://arxiv.org/abs/1709.05256

WIDERFACE 评测结果曲线,第一行是验证集的结果,第二行是测试集的结果http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/WiderFace_Results.html

人脸识别算法FaceCNN在MegaFace Challenge 2所有测试斩获第一

在人脸识别领域,MegaFace是目前最权威热门的人脸识别评测平台之一,由美国华盛顿大学(University of Washington)发布维护,在百万规模人脸数据下,评定1:N辨识(Face Identification)和1:1验证(Face Verification)两大指标准确率。1:N辨识是在N个人数据库中找到1个目标人脸,1:1验证是判断给定的两张人脸是否属于同一身份。基于评测数据规模和评测指标上的优势,MegaFace吸引了Google、俄罗斯著名安防公司Vocord、日本NEC和美国卡耐基梅隆大学等知名机构参与。

MegaFace常规人脸数据样例

MegaFace跨年龄人脸数据样例。这些照片是同一个人在不同年龄时所拍照片

腾讯AI Lab针对常规人脸识别和跨年龄人脸识别,在网络模型结构、特征学习等方面进行创新性改进,推出了人脸识别算法Face CNN。该算法在MegaFace测试平台中使用官方指定训练数据,即在完全公平竞争情况下评测不同参赛算法的性能时,在MegaFace Challenge 2(简称为MF2)的所有测试任务均取得世界第一。Face CNN算法相关技术解读也将在未来陆续公布。

MegaFace含两个Challenge,Challenge 1(MF1)可使用任何外部不限量的人脸数据来训练参赛算法,如谷歌使用亿级数据,其他团队采用百万级数据,较难公平比较算法性能。而Mega Face推出的新版Challenge 2(MF2)要求使用官方固定训练集,能更客观对比各算法的情况。MF2分为常规识别和跨年龄识别两个子任务,分别使用FaceScrub和FGNET测试集,将1:N辨识和1:1验证的准确率视为两项关键评测指标。MF2详细评测结果参阅:http://megaface.cs.washington.edu/results/facescrub_challenge2.html

表1. MF2常规识别任务的辨识准确率(1:N)排名

表2. MF2的常规识别任务的验证准确率(1:1)排名

表3. MF2的跨年龄识别任务的辨识准确率(1:N)排名

表4. MF2的跨年龄任务的验证准确率(1:1)排名

研究到应用迅速落地,推进“共享AI”发展之路

腾讯AI Lab的自研人脸技术已接入腾讯若干业务场景,每日技术调用量已超过6亿次。一个典型的应用场景是在互联网+公众服务领域,通过人脸验证完成身份自动鉴别的“刷脸办事”场景,方便百姓远程办事,让数据多跑路,百姓少跑腿,通过技术提升了公共服务的品质与效率。遵循与学界和行业“共享AI”成果的发展之路,腾讯AI Lab不断推进研究到应用迅速落地,缩短技术迭代时间,小步快跑构建腾讯的AI核心竞争力。

此外,在CVPR、ACL、ICML、NIPS和Nature子刊等衡量AI研究能力的顶级会议和期刊中,腾讯AI Lab今年被收录论文110多篇,位居国内企业前列,展现了较强的基础研究能力。在落地应用上,除了技术已经落到微信、QQ、新闻、音乐和视频平台,还围绕游戏、内容和社交等核心业务突破。在行业上,推出了围棋AI“绝艺”,并广泛支持AI+医疗产品“腾讯觅影”。

关于腾讯AI Lab

腾讯AI Lab于2016年4月成立,是腾讯的企业级人工智能实验室,专注于AI基础研究与落地应用的结合,借助腾讯丰富应用场景、海量大数据、强大计算能力和一流科技人才等发展优势,为腾讯打造全面的AI能力,向“Make AI Everywhere”(让AI无处不在)的愿景迈步。

腾讯AI Lab主任及第一负责人是机器学习和大数据专家张潼博士,副主任及西雅图AI Lab负责人是语音识别及深度学习专家俞栋博士。目前深圳和西雅图两个实验室共有70余位国际一流的AI科学家及300多位经验丰富的应用工程师。

腾讯AI Lab的基础研究专注机器学习、计算机视觉、语音识别和自然语言处理四大方向,技术应用聚焦于内容、游戏、社交和平台工具型AI四个方向,目前已落地到微信、QQ、天天快报和QQ音乐等上百个腾讯产品。在行业落地上,围棋AI“绝艺”及AI+医疗项目“腾讯觅影”等项目取得了突破性进展。

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

编辑于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏镁客网

「深度」科学家眼中完美的计算机长什么样?

1423
来自专栏ATYUN订阅号

【开源】DeepMind开源Psychlab,将人工智能与心理学联系起来

想一想像购物这样的简单任务。如果你没法拿起你的购物清单上的商品,这可以告诉我们关于你的大脑的什么功能?它可能表明在搜索列表中的商品时,你无法将注意力从一个商品转...

2127
来自专栏BestSDK

一周简报|Facebook开源机器学习翻译项目fairseq ,可翻译6500种语言

腾讯云正式加入CNCF和Linux基金会,推动CNCF和Linux全球发展;科大讯飞战略合作NVIDIA,携手共推智能语音平台;百度即将发布语音声纹识别系统 D...

3304
来自专栏CSDN技术头条

概念,算法,应用全部有,迄今为止对大数据研究最透彻的文章……

一、 大数据基本概念 大数据Big Data是指大小超出了常用的软件工具在运行时间内可以承受的收集,管理和处理数据能力的数据集;大数据是目前存储模式与能力、计算...

1926
来自专栏专知

【CIKM2018】从大数据到大信息和大知识教程(附PPT下载)

CIKM创办于1992年,是由美国计算机协会针对信息检索、知识管理以及数据库主办的全球顶尖学术会议。CIKM每年汇聚了最前沿的科研人员,探讨先进知识及信息系统面...

483
来自专栏大数据文摘

英特尔敲定Nervana人工智能路线图 首次披露未来发展框架

1353
来自专栏互联网数据官iCDO

运营研究的3个方法:过程法、要素法、分类法

作者:平章大人 全文共 2582 字 7 图,阅读需要 7 分钟 ———— / BEGIN / ———— 研究了这么久的营销和运营,我越发深刻地认可一句话:“上...

2787
来自专栏灯塔大数据

【揭秘】47万微信群和2亿微信用户背后的数字规律

导读 这是一篇来自清华大学、康奈尔大学、腾讯公司和香港科技大学的研究人员采用“机器学习算法”,分析了47万+微信群、2亿+微信用户、6亿+好友关系和200万+邀...

2834
来自专栏顶级程序员

桌面工作站也能执行超级计算?英伟达新一代GPU剑指深度学习和虚拟现实

英伟达今天发布了基于其最新的 Pascal 架构的新一代 Quadro 系列显卡。该公司宣称,新的芯片组可将桌面工作站转变成为具有突破性能力的超级计算机,为不...

3376
来自专栏CreateAMind

40年认知架构研究概览:实现通用人工智能的道路上我们已走了多远?

在这篇论文中,我们呈现了关于过去 40 年认知架构(cognitive architecture)研究的宏观概述。尽管目前已有架构的数量已经有数百种了,但绝大多...

871

扫码关注云+社区