人臉識別——新的一個境界(無約束)

NO IMAGE

好久沒有和大家分享學習的推送,最近很多朋友一直在問我人臉識別到底怎麼去識別?人臉為啥會分約束和非約束?人臉檢測後可以做哪些工作?等等的一些列問題,其實我們之前很多推送都有詳細解答這些問題,今天,就順便把非約束人臉識別和大家好好說一說,希望有興趣的您可以有所收穫,謝謝!

現在是一個大資料時代,我們身邊無處不是大資料,比如:

640?wx_fmt=png&wxfrom=5&wx_lazy=1

來源: www.expandedramblings.com, www.emarketer.com

其實,在人臉識別中主要的目的就是找到一個表達或者相似性度量,如:

  • Intra-subject similarity is high;

  • Inter-subject similarity is low。

這也是我之前一直和大家強調的,類內相似性高,類間相似性低。

640?wx_fmt=png&wxfrom=5&wx_lazy=1

就如上圖所示,同一類的人臉,其特徵特別相似,不在同一個聚類簇中的人臉,其特徵差別較大,這樣對人臉識別有較大的提高。


來看看人臉識別的里程碑:

0?wx_fmt=png

約束 VS. 無約束

640?wx_fmt=png

在無約束人臉識別中的一些挑戰:

0?wx_fmt=png

例舉一個案例:(A case study of automated face recognition: the Boston Marathon bombing suspects, J.C. Klontz and A.K. Jain, IEEE Computer, 2013)

Gallery images:1百萬張照片 6個Web影象

Probe images:5個人臉

0?wx_fmt=png

0?wx_fmt=png

Ranking results:

0?wx_fmt=png

0?wx_fmt=png


無約束人臉時代已經來臨

0?wx_fmt=png

The Labeled Faces in the Wild (LFW)

Labeled faces in the wild: A database for studying face recognition in unconstrained environments, Huang, Jain, LearnedMiller, ECCVW, 2008

LFW一共13233圖片,共5749位人。

0?wx_fmt=png

Human-level performance

Attribute and simile classifiers for face verification, Kumar, et al., ICCV 2009

0?wx_fmt=png

通過實驗證明了,人臉驗證的時候,人臉額外的資訊是多餘的。

LFW資料集上進些年的實驗結果變化如下圖所示:

0?wx_fmt=png


混合深度學習

Hybrid deep learning for computing face similarities, Sun, Wang, Tang, ICCV 2013

12X5 Siamese ConvNets X8 RBM classification

0?wx_fmt=png

一般人臉識別的簡單過程如下:

0?wx_fmt=png

以上都是1:1的驗證識別,接下來可以看看1對多的案例。

人臉是一個3D目標:(可以通過這樣的方式對無約束人臉重建)

0?wx_fmt=png

0?wx_fmt=png

如下就是1對多的簡單介紹:

0?wx_fmt=png

0?wx_fmt=png

實驗視覺化:

0?wx_fmt=jpeg

本文參考於Yaniv Taigman的內容,謝謝!