腾讯AI Lab刷新人脸检测与识别两大测评国际记录,技术日调用超六亿

本文第一部分介绍在WIDER FACE全部测试中斩获第一的人脸检测算法Face R-FCN,第二部分介绍在MegaFace Challenge 2所有测试斩获第一的人脸识别算法Face CNN,第三部分介绍这些人脸技术的应用方向与前景。

腾讯AI Lab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的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平台发表论文公开部分技术细节,促进企业与学界“共享AI”研究成果;应用上,该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一个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 Face R-FCN

在WIDER FACE全部测试中斩获第一

在人脸检测领域,WIDER FACE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。目前算法Face R-FCN的部分技术细节已通过论文在arXiv平台上发布。

论文地址:https://arxiv.org/abs/1709.05256

WIDER FACE评测结果曲线,第一行是验证集结果,第二行是测试集结果。详情见如下链接:

http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/WiderFace_Results.html

人 脸 识 别 算 法 Face CNN

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。前者是在N个人数据库中找到1个目标人脸,后者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,这是同一人不同年龄时照片

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算法的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详细评测结果参阅如下:

http://megaface.cs.washington.edu/results/facescrub_challenge2.html

MF2常规识别任务的辨识准确率(1:N)排名

MF2的常规识别任务的验证准确率(1:1)排名

MF2的跨年龄识别任务的辨识准确率(1:N)排名

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

走「共享AI」之路

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。目前自研的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。

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。在应用上,除了技术已经落到微信、QQ、音乐和视频平台,还围绕游戏、内容和社交等核心业务突破,推出了围棋AI“绝艺”并广泛支持AI+医疗产品“腾讯觅影”。

本文转载自:腾讯AI实验室

原文发布于微信公众号 - 腾讯高校合作(Tencent_UR)

原文发表时间:2017-12-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

【重磅】机器阅读理解终于超越人类水平!权威竞赛排名中国霸榜,MSRA、阿里、腾讯前二

新智元报道 编辑:刘小芹 弗朗西斯 【新智元导读】2018年1月3日,微软亚洲研究院的r-net率先第一个在SQuAD machine reading ...

38560
来自专栏语言、知识与人工智能

IJCAI 2018 | 腾讯知文团队3篇入选论文解读

在近日揭晓2018年收录论文名单中,腾讯知文团队有3篇一作长文被录取,我们将对文章进行简要解读,欢迎交流讨论。

8.7K40
来自专栏镁客网

技术 | AI研究的盲点:无解的神经网络内在逻辑

16860
来自专栏量子位

吴恩达的新深度学习课程什么样?我们试听了一下 | 附视频

问耕 发自 凹非寺 量子位 报道 | 公众号 QbitAI 注册之后,可以获得七天免费试听。不过在这之前,你首先需要输入一张信用卡/储蓄卡,或者Paypal账户...

42670
来自专栏ATYUN订阅号

IBM的新系统可以自动选择最佳的AI算法

深度学习系统可以摄取数据,转换数据,输出数据并传递数据,但并非所有的都能等同。没有算法适用于每个任务,找到最佳的算法可能是一个漫长而令人沮丧的过程。幸运的是,I...

8320
来自专栏人工智能

我用人工智能来打小怪兽

距离2018 15天 ------- 关键词:人工智能 故事起源于公元2017年12月15日的一个下午,在无尽星空中的某个星球,小二两突然接收到了来自遥远的母星...

26580
来自专栏新智元

【干货】生成对抗式网络创始人Quora答疑

【新智元导读】还记得不久前LeCun在Quora答题时说的,他最激动的深度学习进展是“生成对抗网络”吗?生成对抗网络的提出者Ian Goodfellow日前也在...

373120
来自专栏ATYUN订阅号

一张图片是否被PS过?Adobe利用AI来检测图像真实性

PS一张图片越来越复杂,效果也越来越难以辨别,但Adobe Systems可以使用AI来检测PS的时间。

15730
来自专栏杨熹的专栏

强化学习是什么

参考 2013年伦敦的一家人工智能公司 Deep Mind 发表了一篇论文 “Playing Atari with Deep Reinforcement Lea...

37690
来自专栏新智元

贾佳亚港中文团队冠军技术分享:最有效的COCO物体分割算法

【新智元导读】物体分割(instance segmentation)是如今视觉领域最热最核心的一个问题。在这届国际图像识别权威竞赛MS COCO当中,香港中文大...

49260

扫码关注云+社区

领取腾讯云代金券