?AI面部識(shí)別領(lǐng)域又開(kāi)辟新業(yè)務(wù)了？

這次，是鑒別二戰(zhàn)時(shí)期老照片里的人臉圖像。

近日，來(lái)自谷歌的一名軟件工程師Daniel Patt 研發(fā)了一項(xiàng)名為N2N（Numbers to Names）的 AI人臉識(shí)別技術(shù)，它可識(shí)別二戰(zhàn)前歐洲和大屠殺時(shí)期的照片，并將他們與現(xiàn)代的人們聯(lián)系起來(lái)。

用AI尋找失散多年的親人

2016年，帕特在參觀華沙波蘭裔猶太人紀(jì)念館時(shí)，萌生了一個(gè)想法。

這一張張陌生的臉龐，會(huì)不會(huì)與自己存在血緣的聯(lián)系?

他的祖父母/外祖父母中有三位是來(lái)自波蘭的大屠殺幸存者，他想幫助祖母找到被納粹殺害的家人的照片。

二戰(zhàn)時(shí)期，由于波蘭裔猶太人眾多，且被關(guān)押在不同集中營(yíng)，許多都下落不明。

僅僅通過(guò)一張發(fā)黃的照片，很難辨別其中的人臉是誰(shuí)，更別提找到自己失落的親人。

于是，他回到家中，立馬把這個(gè)想法轉(zhuǎn)化為現(xiàn)實(shí)。

該軟件最初的設(shè)想是通過(guò)數(shù)據(jù)庫(kù)收集人臉的圖像信息，并利用人工智能算法幫助匹配相似度最高的前十個(gè)選項(xiàng)。

其中大部分的圖像數(shù)據(jù)來(lái)自美國(guó)大屠殺紀(jì)念館(The US Holocaust Memorial Museum)，此外還有超過(guò)一百萬(wàn)張圖像來(lái)自全國(guó)各地的數(shù)據(jù)庫(kù)。

用戶只需選擇電腦文件中的圖像，點(diǎn)擊上傳，系統(tǒng)便會(huì)自動(dòng)篩選出匹配圖最高的前十個(gè)選項(xiàng)。

另外，用戶還可以點(diǎn)擊源地址查看該圖片的年份、地點(diǎn)、藏館等信息。

有個(gè)槽點(diǎn)是，如果輸入現(xiàn)代的人物圖像，檢索結(jié)果也可能會(huì)很離譜。

結(jié)果就是這？（黑人問(wèn)號(hào)）

總之就是系統(tǒng)功能還需要完善。

此外，Patt還與谷歌的其他軟件工程師和數(shù)據(jù)科學(xué)家團(tuán)隊(duì)合作，旨在提高搜索的范圍與準(zhǔn)確度。

由于臉部識(shí)別系統(tǒng)存在隱私泄露的風(fēng)險(xiǎn)，Patt表示，「我們不對(duì)身份作出任何評(píng)價(jià)， 我們只負(fù)責(zé)用相似度分?jǐn)?shù)呈現(xiàn)結(jié)果，并讓用戶自己去判斷」。

AI面部識(shí)別技術(shù)的發(fā)展

那么這項(xiàng)技術(shù)是如何對(duì)人臉進(jìn)行識(shí)別的呢？

最初，人臉識(shí)別技術(shù)還得從「如何判斷檢測(cè)的圖像是一張臉」開(kāi)始。

2001年，計(jì)算機(jī)視覺(jué)研究人員 Paul Viola 和 Michael Jones 提出了一個(gè)框架，以高精度實(shí)時(shí)檢測(cè)人臉。

這個(gè)框架可基于訓(xùn)練模型來(lái)理解「什么是人臉，什么不是人臉」。

訓(xùn)練完成后，模型會(huì)提取特定特征，然后將這些特征存儲(chǔ)在文件中，以便可以將新圖像中的特征與之前存儲(chǔ)的特征在各個(gè)階段進(jìn)行比較。

為了幫助確保準(zhǔn)確性，算法需要在包含「數(shù)十萬(wàn)正負(fù)圖像的大型數(shù)據(jù)集」上進(jìn)行訓(xùn)練，從而提高算法確定圖像中是否有人臉及其位置的能力。

如果所研究的圖像通過(guò)了特征比較的每個(gè)階段，則已檢測(cè)到人臉并且可以繼續(xù)操作。

盡管 Viola-Jones 框架在實(shí)時(shí)應(yīng)用程序中用于識(shí)別人臉精確度很高，但它存在一定的局限性。

例如，如果人臉戴上口罩，或者如果一張臉沒(méi)有正確定向，則該框架可能無(wú)法工作。

為幫助消除 Viola-Jones 框架的缺點(diǎn)并改進(jìn)人臉檢測(cè)，他們又開(kāi)發(fā)了其他算法。

如基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò) (R-CNN) 和單鏡頭檢測(cè)器 (SSD)來(lái)幫助改進(jìn)流程。

卷積神經(jīng)網(wǎng)絡(luò) (CNN) 是一種用于圖像識(shí)別和處理的人工神經(jīng)網(wǎng)絡(luò)，專(zhuān)門(mén)用于處理像素?cái)?shù)據(jù)。

R-CNN 在 CNN 框架上生成區(qū)域提議，以對(duì)圖像中的對(duì)象進(jìn)行定位和分類(lèi)。

雖然基于區(qū)域提議網(wǎng)絡(luò)的方法（如 R-CNN）需要兩個(gè)鏡頭——一個(gè)用于生成區(qū)域提議，另一個(gè)用于檢測(cè)每個(gè)提議的對(duì)象——但 SSD 只需要一個(gè)鏡頭來(lái)檢測(cè)圖像中的多個(gè)對(duì)象。因此，SSD 明顯快于 R-CNN。

近年來(lái)，深度學(xué)習(xí)模型驅(qū)動(dòng)的人臉識(shí)別技術(shù)，其優(yōu)勢(shì)顯著優(yōu)于傳統(tǒng)的計(jì)算機(jī)視覺(jué)方法。

早期的人臉識(shí)別多采用傳統(tǒng)機(jī)器學(xué)習(xí)算法，研究關(guān)注的焦點(diǎn)更多集中在如何提取更有鑒別力的特征上，以及如何更有效的對(duì)齊人臉。

隨著研究的深入，傳統(tǒng)機(jī)器學(xué)習(xí)算法人臉識(shí)別在二維圖像上的性能提升逐漸到達(dá)瓶頸。

人們開(kāi)始轉(zhuǎn)而研究視頻中的人臉識(shí)別問(wèn)題，或者結(jié)合三維模型的方法去進(jìn)一步提升人臉識(shí)別的性能，而少數(shù)學(xué)者開(kāi)始研究三維人臉的識(shí)別問(wèn)題。

在最出名的 LFW 公開(kāi)庫(kù)上，深度學(xué)習(xí)算法一舉突破了傳統(tǒng)機(jī)器學(xué)習(xí)算法在二維圖像上人臉識(shí)別性能的瓶頸，首次將識(shí)別率提升到了 97% 以上。

即利用「CNN 網(wǎng)絡(luò)建立的高維模型」 ，直接從輸入的人臉圖像上提取有效的鑒別特征，直接計(jì)算余弦距離來(lái)進(jìn)行人臉識(shí)別。

人臉檢測(cè)已經(jīng)從基本的計(jì)算機(jī)視覺(jué)技術(shù)發(fā)展到機(jī)器學(xué)習(xí) (ML) 的進(jìn)步，再到日益復(fù)雜的人工神經(jīng)網(wǎng)絡(luò) (ANN) 和相關(guān)技術(shù)，結(jié)果是持續(xù)的性能改進(jìn)。

現(xiàn)在，它作為許多關(guān)鍵應(yīng)用程序的第一步發(fā)揮著重要作用——包括面部跟蹤、面部分析和面部識(shí)別。

二戰(zhàn)期間，中國(guó)也遭受了戰(zhàn)爭(zhēng)的創(chuàng)傷，許多當(dāng)時(shí)照片中的人物早已無(wú)法辨別。

爺爺奶奶一輩的曾遭受戰(zhàn)爭(zhēng)創(chuàng)傷的人們，有許多親人朋友都下落不明。

這項(xiàng)技術(shù)的研發(fā)或許將幫助人們揭開(kāi)塵封的歲月，為過(guò)去的人們尋找一些慰藉。

參考資料：https://www.timesofisrael.com/google-engineer-identifies-anonymous-faces-in-wwii-photos-with-ai-facial-recognition/?