0
| 本文作者： 楊鯉萍 | 2019-10-10 18:39 |
相信很多朋友都在網(wǎng)上看到過(guò)這樣一張圖：
Oh，不！是這個(gè)：
這個(gè)：
還有這個(gè)：
究竟是什么，讓原本只有一歲之差的兩個(gè)人被 AI 誤會(huì)為「形同父子」？是 AI 的「良知泯滅」，還是人類(lèi)的「自食其果」？
接下來(lái)，就讓我們一起來(lái)嘮嘮 AI 人臉年齡識(shí)別的原理是什么！
要說(shuō)識(shí)別與檢測(cè)，首先必須談到 AI 識(shí)別技術(shù)。自從人工智能概念開(kāi)始火熱起來(lái)，AI 識(shí)別應(yīng)用也是層出不窮，有 AI 人臉識(shí)別、AI 自動(dòng)駕駛道路識(shí)別、AI 農(nóng)作物管理識(shí)別，甚至在垃圾分類(lèi)推行后，又推出了 AI 垃圾分類(lèi)識(shí)別等應(yīng)用。
而人臉年齡識(shí)別，則是在 AI 人臉識(shí)別技術(shù)的基礎(chǔ)上建立而得。總體來(lái)看，人臉識(shí)別算法的組成主要包含三部分，即：
人臉檢測(cè)（Face Detection）
人臉對(duì)齊（Face Alignment）
人臉特征表征（Feature Representation）
人臉檢測(cè)模塊在于重點(diǎn)處理「人臉定位」問(wèn)題；人臉對(duì)齊則是實(shí)現(xiàn)「人臉變換」，得到統(tǒng)一角度與姿態(tài)的人臉；而人臉特征表征則是對(duì)人臉細(xì)節(jié)進(jìn)行識(shí)別與處理，我們所要得到的人臉年齡識(shí)別功能也是在這一階段進(jìn)行實(shí)現(xiàn)。
所以，開(kāi)篇提到的人臉識(shí)別結(jié)果還真不能怪 AI 呢，AI 也是本分的老實(shí)人，只是根據(jù)識(shí)別規(guī)則處理圖片啦。但由此可以看得出，人臉識(shí)別技術(shù)確實(shí)還不夠成熟。
盡管現(xiàn)在我們看來(lái)人臉識(shí)別技術(shù)還存在技術(shù)上、安全上的隱患，但實(shí)際上人臉識(shí)別算法的發(fā)展，已經(jīng)經(jīng)歷了 3 個(gè)階段，包括：早期算法階段、人工特征設(shè)計(jì)階段、深度學(xué)習(xí)階段。
早期算法階段 20 世紀(jì) 60 年代，人臉識(shí)別工程化應(yīng)用研究開(kāi)啟。早期的算法主要利用了人臉的幾何結(jié)構(gòu)進(jìn)行辨識(shí)，通過(guò)將人臉圖像當(dāng)做高維的向量進(jìn)行投影實(shí)現(xiàn)對(duì)不同人產(chǎn)生不同的區(qū)分度。
人工特征設(shè)計(jì)階段 隨著機(jī)器學(xué)習(xí)理論的發(fā)展，研究者們相繼探索出了基于遺傳算法、支持向量機(jī)（Support Vector Machine，SVM）、boosting、流形學(xué)習(xí)、稀疏表達(dá)（Sparse Representation）以及核方法等進(jìn)行人臉識(shí)別。其中的關(guān)鍵在于人工特征的設(shè)計(jì)，可以有效解決人臉姿態(tài)、表情發(fā)生變化時(shí)，精度嚴(yán)重下降的情況。
深度學(xué)習(xí)階段 近年來(lái)，由于深度學(xué)習(xí)的不斷發(fā)展，研究者利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）對(duì)海量的人臉圖片進(jìn)行學(xué)習(xí)，然后對(duì)輸入圖像提取出對(duì)區(qū)分不同人的臉有用的特征向量，替代人工設(shè)計(jì)的特征。自此，Gabor 及 LBP 特征描述子成為人臉識(shí)別領(lǐng)域最為成功的兩種人工設(shè)計(jì)局部描述子，研究者們也一直在改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)，擴(kuò)大訓(xùn)練樣本規(guī)模，不斷提高 LFW 上的識(shí)別精度。
就像開(kāi)篇所談，將人臉識(shí)別作為娛樂(lè)工具，也確實(shí)會(huì)給我們帶來(lái)很大的樂(lè)趣。但如果只是單純將這個(gè)技術(shù)用于娛樂(lè)大眾，那實(shí)在是對(duì)技術(shù)的浪費(fèi)！
人臉識(shí)別的目標(biāo)是確定一張人臉圖像的身份，這是機(jī)器學(xué)習(xí)和模式識(shí)別中的分類(lèi)問(wèn)題。它不但可以用在身份識(shí)別和身份驗(yàn)證中，幫助找尋失蹤人口、追蹤嫌疑人、智能交互身份識(shí)別等場(chǎng)景；而且在證件查詢(xún)、出入考勤查驗(yàn)、身份驗(yàn)證解鎖、支付等場(chǎng)景中，也有廣泛的應(yīng)用，并為我們的生活帶來(lái)極大的便利。
而且就在最近，深圳警方利用跨年齡人臉識(shí)別技術(shù)，根據(jù)一張 3 歲孩童的兒童照片找回了失蹤了十幾年的孩子，讓失散的家庭得以團(tuán)聚。這都是科技為我們生活帶來(lái)的積極作用！
正是因?yàn)槿四樧R(shí)別技術(shù)應(yīng)用十分廣泛，且于生活生產(chǎn)具有重大意義。我們也在 AI 研習(xí)社（社區(qū)）內(nèi)，發(fā)起了人臉年齡識(shí)別挑戰(zhàn)賽。
通過(guò)這一比賽，參賽者不光可以從人臉識(shí)別中年齡單項(xiàng)切入，進(jìn)行更深度的研究，同時(shí)這一比賽我們也給出了 5000+ 的豐厚獎(jiǎng)金池。我們也非常希望通過(guò)這類(lèi)比賽，能在一定程度上對(duì)人臉識(shí)別技術(shù)產(chǎn)生推動(dòng)作用。
本次比賽給定數(shù)據(jù)集包含了大量的 1-70 歲人臉面部圖像，而參賽者的目標(biāo)也非常簡(jiǎn)單——利用訓(xùn)練模型準(zhǔn)確推測(cè)出人臉的年齡即可。
數(shù)據(jù)集下載鏈接：https://dwz.cn/xYDFd2IR
最終提交結(jié)果文件如下所示：
其中，第一個(gè)字段位為測(cè)試集圖片 ID，第二個(gè)字段為推測(cè)年齡（三位字段）。
整個(gè)比賽的評(píng)審?fù)耆该骰覀儗?huì)對(duì)比選手提交的 csv 文件，確認(rèn)正確分辨圖片樣本，并按照如下公式計(jì)算得分，其中：
True：模型分類(lèi)正確數(shù)量
Total ：測(cè)試集樣本總數(shù)量
我們的工作人員也會(huì)在每日 24:00，將最新結(jié)果更新在官網(wǎng)排行榜上，你可以實(shí)時(shí)查看自己的排名情況。
更多信息，請(qǐng)點(diǎn)擊參賽地址查看：https://god.yanxishe.com/10
雷鋒網(wǎng) AI 開(kāi)發(fā)者 雷鋒網(wǎng) 雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
