如此牛逼的人臉識別技術有所重大突破！

卡內基梅隆大學剛剛發布了其關於人臉識別的最新研究，由其改進的演算法能夠從圖片中提取並編碼關鍵信息，也就是說能從人海中迅速提取面部信息。目前是人臉識別最熱門的創業方向之一，卡內基梅隆大學的這項技術研究對於產業界的應用將起到很大的推動作用。

無論是在茫茫人海中提取面部信息，還是在大圖中識別出遠處／細小的物體，都對計算機視覺圖形提出了非常大的挑戰。憑藉著多年的技術積澱，來自卡內基梅隆大學的科研團隊終於找到了其中的訣竅——成功識別細小對象的關鍵就是尋找與之匹配的更大物體。

這種能夠從圖片中提取並編碼關鍵信息的改進演算法，是由副教授 Deva Ramanan 和博士生 Peiyun Hu 共同推進的，可謂是識別微型人臉里程上的重大進步。

在面部的基準測試集中，此前的方法只能識別出 29% 到 64% 之間的正確人類面孔，而她們所提出的改進版演算法減少了兩個導致誤差的隱私，從而將正確率提高到了 81%。

Ramanan 說道：「這就像是尋找在某個人手中的一根牙籤。當你提示對象可能會使用牙籤的時候你就會非常容易看到它。手指的方位，手部的動作和位置都為我們最終找到這根牙籤提供了非常重要的線索。」

同樣，為了尋找那些只有極少像素點的的面部，更大照片中的身體或者人群照片都能提供諸多線索。

通過模糊外部圖像，中心凹描述提供了充足的關聯信息，在高度聚焦下幫助理解這個區域所展示的內容，而且極大的降低了計算負擔。基於這種方式，Hu 和 Ramanan 的系統能夠在更少像素點的圖形塊中尋找並確認是否存在人臉。

簡單的增加一張圖片的解析度可能並不是尋找微型物體的最佳解決方案。伴隨著高解析度會帶來「Where『s Waldo」的問題，目標對象包含大量的像素點，極有可能在像素點中迷失。在這種情況下，充分利用關聯信息就能夠幫助系統關注到包含面部的圖像區塊。除了上文提及的關聯信息之外，Ramanan和Hu表示如果在同一個圖像區域中數次檢測到鼻子，那麼利用檢測器在擁有少數像素點的圖像區域中找出面部是非常困難的。因此他們針對不同尺寸的對象培訓了多個獨立檢測器，從而大大提高了檢測微型物體的能力。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！