【难度越大，优势越大】腾讯AI Lab刷新人脸识别与人脸检测国际记录

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

• Face R-FCN论文：https://arxiv.org/abs/1709.05256
• WIDER FACE评测结果：http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/WiderFace_Results.html
• MF2详细评测结果：http://megaface.cs.washington.edu/results/facescrub_challenge2.html