Algoritmen för ansiktsigenkänning är inställd på att revolutionera bildsökning

Redan 2001 utlöste två datavetare, Paul Viola och Michael Jones, en revolution inom området för ansiktsdetektering av datorer. Efter år av stagnation var deras genombrott en algoritm som kunde upptäcka ansikten i en bild i realtid. Den så kallade Viola-Jones-algoritmen var faktiskt så snabb och enkel att den snart byggdes in i vanliga pek- och skjutkameror.

En del av deras trick var att ignorera det mycket svårare problemet med ansiktsigenkänning och bara koncentrera sig på upptäckt. De fokuserade också bara på ansikten sedda framifrån och ignorerade alla sedda från en vinkel. Med tanke på dessa gränser insåg de att näsryggen vanligtvis bildade en vertikal linje som var ljusare än ögonhålorna i närheten. De märkte också att ögonen ofta låg i skugga och bildade ett mörkare horisontellt band.

Så Viola och Jones byggde en algoritm som först letar efter vertikala ljusa band i en bild som kan vara näsor, den letar sedan efter horisontella mörka band som kan vara ögon, den letar sedan efter andra allmänna mönster förknippade med ansikten.

Upptäcks av sig själva, ingen av dessa egenskaper tyder starkt på ett ansikte. Men när de upptäcks efter varandra i en kaskad, är resultatet en bra indikation på ett ansikte i bilden. Därav namnet på denna process: en detektorkaskad. Och eftersom dessa tester alla är enkla att köra, kan den resulterande algoritmen fungera snabbt i realtid.

Men medan Viola-Jones-algoritmen var något av en uppenbarelse för ansikten sedda framifrån, kan den inte exakt se ansikten från någon annan vinkel. Och det begränsar kraftigt hur det kan användas för ansiktssökmotorer.

Det är därför Yahoo är intresserad av detta problem. Idag avslöjar Sachin Farfade och Mohammad Saberian på Yahoo Labs i Kalifornien och Li-Jia Li vid Stanford University i närheten en ny inställning till problemet som kan upptäcka ansikten i en vinkel, även när de är delvis tilltäppta. De säger att deras nya tillvägagångssätt är enklare än andra och ändå uppnår toppmodern prestanda.

Farfade och co använder ett fundamentalt annorlunda tillvägagångssätt för att bygga sin modell. De drar nytta av de framsteg som gjorts under de senaste åren inom en typ av maskininlärning som kallas ett djupt konvolutionellt neuralt nätverk. Tanken är att träna ett neuralt nätverk med många lager med hjälp av en stor databas med kommenterade exempel, i det här fallet bilder av ansikten från många vinklar.

För det ändamålet skapade Farfade och co en databas med 200 000 bilder som inkluderade ansikten i olika vinklar och orienteringar och ytterligare 20 miljoner bilder utan ansikten. De tränade sedan sitt neurala nät i grupper om 128 bilder över 50 000 iterationer.

Resultatet är en enda algoritm som kan upptäcka ansikten från ett brett spektrum av vinklar, även när de är delvis ockluderade. Och den kan upptäcka många ansikten i samma bild med enastående noggrannhet.

Teamet kallar detta tillvägagångssätt för Deep Dense Face Detector och säger att det jämförs bra med andra algoritmer. Vi utvärderade den föreslagna metoden med andra djupinlärningsbaserade metoder och visade att vår metod ger snabbare och mer exakta resultat, säger de.

Dessutom är deras algoritm betydligt bättre på att upptäcka ansikten när de är upp och ner, något som andra tillvägagångssätt inte har fulländat. Och de säger att det kan göras ännu bättre med datauppsättningar som innehåller fler upp och nervända ansikten. Vi planerar att använda bättre samplingsstrategier och mer sofistikerade dataförstärkningstekniker för att ytterligare förbättra prestandan för den föreslagna metoden för att upptäcka ockluderade och roterade ansikten.

Det är intressant arbete som visar hur snabbt ansiktsdetektering fortskrider. Tekniken för djupt konvolutionerande neurala nätverk är bara ett par år gammal och redan har den lett till stora framsteg inom objekt- och ansiktsigenkänning.

Det stora löftet med denna typ av algoritm är i bildsökning. För tillfället är det enkelt att leta efter bilder tagna på en specifik plats eller vid en viss tidpunkt. Men det är svårt att hitta bilder tagna på specifika personer. Det här är ett steg i den riktningen. Det är oundvikligt att denna förmåga kommer att finnas med oss ​​inom en inte alltför avlägsen framtid.

Och när den kommer kommer världen att bli en mycket mindre plats. Det är inte bara framtida bilder som kommer att bli sökbara utan hela historien om digitaliserade bilder inklusive stora lager av video- och CCTV-material. Det kommer att bli en mäktig kraft, på ett eller annat sätt.

Ref: arxiv.org/abs/1502.02766 : Ansiktsavkänning med flera vyer med djupa konvolutionella neurala nätverk

Dölj