编辑:闻菲
【新智元导读】日前,腾讯AI Lab在国际最大、最难的人脸检测平台WIDER FACE与热门人脸识别平台MegaFace多项评测指标获得第一,刷新了行业纪录。研究人员表示,通过有针对的优化,这些模型都可以投入实用,并且与竞赛中表现出的性能基本齐平。
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,是人脸识别的前提和基础。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极具挑战。优秀的人脸技术在政务、金融、安防等领域都具有极高应用价值。
日前,腾讯AI Lab研发的Face R-FCN和Face CNN算法,分别在国际最大、最难的人脸检测平台WIDER FACE与权威人脸识别检测平台MegaFace多项评测指标中获得第一,刷新了行业纪录。
研究人员表示,在实际应用中,他们对竞赛所采用的模型进行了针对性的模型裁剪与工程优化,通过降低模型复杂度,有效地降低检测/识别占用的计算资源。“在性能上,实用中的模型在一些极端场景上的表现可能不如竞赛所采用的模型,但整体差别不大。”
人脸检测算法Face R-FCN:难度越大,优势越大
WIDER FACE是目前国际上难度最大、最有挑战性的人脸检测评测平台,由中国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。
WIDER FACE竞赛中,官方给出了固定的训练集、评估集和测试集,能保证公平。竞赛吸引了中科院、CMU和马里兰大学等机构参与。
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,提出了人脸检测算法Face R-FCN。该算法在WIDER FACE测试平台中使用官方指定训练集,在完全公平竞争情况下,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第一。
研究人员介绍,Face R-FCN主要是基于R-FCN(基于区域的全卷积网络)框架来解决人脸检测问题。在R-FCN框架的基础上,他们采用ResNet(残差网络)作为基础网络,结合了多尺度训练和测试、Online Hard Example Mining等改进,并针对人脸特性设计了位置敏感平均池化的方法,提升了检测准确率。
下图展示了WIDER FACE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。
从WIDER FACE的测试结果中可以看出,和同类算法相比,Face R-FCN在检测难度很大的人脸样本时更有优势。研究人员说,“随着测试难度的增加,从Easy set到Medium set到Hard set,我们的算法的领先优势在扩大”。
人脸识别算法Face CNN:MegaFace刷榜
MegaFace竞赛是国际知名人脸识别检测平台,旨在评估百万级别规模下的人脸识别。MegaFace有多个评测指标,比如常规识别评测、跨年龄识别评测、1:N辨识(Face Identification,在N个人数据库中找到1个目标人脸)、1:1验证(Face Verification,判断给定的两张人脸是否属于同一身份)等,在测评规模和指标上均属国际领先。
基于评测数据规模和评测指标上的优势,MegaFace也吸引了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官方近期推出了MegaFace Challenge 2,发布了一个固定的训练集供参赛者使用,严格要求所有参赛算法都在相同的训练数据下训练模型以评测,能更客观地对比各算法的情况。
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
新版Challenge 2(MF2)中,1:N辨识和1:1验证的准确率是两项关键评测指标。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,在完全公平竞争情况下,在MF2的所有测试任务均取得第一。
研究人员说:“我们在网络模型结构、损失函数、训练样本挖掘上都进行了创新性改进,和同类算法相比,Face CNN的优势在于能比较好地适应不同的人脸应用场景。”
了解更多