科技产业报订阅
活动+

人脸辨识—深度卷积网络带来的突破

  • 徐宏民

近来人脸辨识的稳定度可以提升到满足产业应用,在于两个主要因素:深度卷积网络的发展以及大量的人脸训练资料。亚马逊

人脸辨识中,取出强健的有效特征值,即使在不一样的光源、拍摄时间、些微的表情、视角变化,仍能正确判断,是数十年来研究的挑战工作。而近来人脸辨识的稳定度可以提升到满足产业应用,在于两个主要因素:深度卷积网络的发展以及大量的人脸训练资料。

卷积网络利用层状的结构来逐步表示影像中的复杂讯号,由低阶的线条到高阶富有语意(semantic meaning)的物件、情境等。每个阶层皆有数十个(到百个)卷积单元的单元组成—可以想象在各层输入画面进行特殊的样式检测,再将诸多检测结果(反应强度)交给下一层继续检测。一般阶层个数由数个到上百个,端看基底网络架构以及应用复杂度。目前人脸辨识的主流是采用ResNet型态(在2015年底由任职于微软研究院的何凯明博士率先提出)的基底网络。

辨识时,取出末端一层网络输出做为人脸(高纬)特征值。过去的方法,不管是特征脸、局部二值模式、稀疏编码等,一般类似于使用一到两层的卷积运算来逼近,相对上,称为「浅层」作法。与深度卷积网络来比,参数使用量(复杂度)低,特征值描述能力相当薄弱。更重要的,当利用大量资料训练卷积网络时,这些重要的检测样式还可以由训练样本中自动学出,目的是为了让最后的辨识效果达到最好。之前的方法,常从经验当中判断设计,不一定吻合应用情境。

目前在国际研究社区也分享了相当多的人脸训练资料,甚至达到百万人的数目。为何可以收集到这些资料?主要来自于网络名人(明星、新闻人物)以及社群网站上的公开相簿。但是这也衍伸出其它的问题,比如说这些免费人脸资料中绝大部分为西方人,绝少戴眼镜,画质清晰,在实际场域上还有某些技术问题得克服,但是已经大大降低资料收集耗时、耗费的问题。

除资料外,训练卷积网络的目标函数(Cost Function)也占了非常重要的角色,比如说单使用常用的交叉熵(Cross-Entropy)来训练人脸辨识的稳定度,远远比不上Large Margin 的系列作法—因为不只在训练网络中将人脸正确预测,还得让不属于同个人的人脸特征值分隔遥远,反之,则得十分接近。

利用目标函数,还有增益训练资料的技术,还可以训练网络解决人脸光影变化过大、化妆、眼镜的问题,甚至是低分辨率的人脸辨识。在特殊的安全应用上,更可以部分解决人脸伪装的问题,最近我们获得国际伪装人脸辨识竞赛冠军,也验证了这些作法。

人脸辨识技术发展逐渐成熟,更可能溢出传统安控领域而成为「个人化」的基础引擎,而影响各种应用情境。如果集成我们擅长的硬件(系统、芯片)技术,似乎在产业应用上也带来了新的机会!

系列文见<人脸辨识的核心问题与商机>、<人脸辨识的技术环节>

徐宏民(Winston Hsu)现任台大资工系教授及NVIDIA AI Lab计画主持人。哥伦比亚大学电机博士,专精于机器学习、大规模影像视讯查找与辨识。为讯连科技研发团队创始成员,慧景科技(工业智能新创)共同创办人;曾任IBM华生研究中心客座研究员、美国微软研究院客座研究员。习惯从学术及产业界的角度检验技术发展的机会;十余年产学合作及新创经验,近年致力将深度学习技术落实到产业,并协助成立研究开发团队。曾获2018 IBM Research Pat Goldberg Memorial Best Paper Award 、2018伪装人脸辨识冠军、杰出信息人才奖、吴大猷先生纪念奖等国内外研究奖项。