Facebook新面部识别软件准确率接近人类

作者：Tom Simonite 来源：TechnologyReview

Facebook 的人工智能团队在面部识别上取得重大进展，准确率可比人工识别。

促成这一重大进步的就是最近非常火爆的“深度学习”技术，这一技术最近深受科技企业的喜爱，Facebook、Google、微软等企业都已经加入到了深度学习的阵营中来。通过模拟神经元运作，深度学习技术提高计算机的人工智能水平，可以让计算机在大量的数据中识别物体。

Facebook 人工智能团队的成员 Yaniv Taigman 说：“一般人看不到这种技术进步带来的改善。”这个人工智能团队于 2013 年成立，主要工作就是借助深度学习来提高 Facebook 的产品体验。他说，“我们研发的软件的表现已经十分接近真人的表现。”跟上一代面部识别软件相比，使用深度学习技术的新软件在处理相同的图片时，错误率降低了 25%。

哦对了，Facebook 的这款新软件名字叫做“DeepFace”，它的主要功能并非是我们想象的去做面部识别，而是对比图片，然后发现面部特征相似的人。不过 Taigman 说，如果加上一些之前的技术的话，DeepFace 完全可以用来做面部识别使用，这样用户上传了图片之后，就可以很快地在图片中自动标注“这个人是谁”。

不过，DeepFace 现在并没有在 Facebook 的网站上应用，仍处在研发阶段。上周，Facebook 团队发表了一篇学术文章，并将在今年 6 月的“IEEE 计算机视觉和图形识别大会”上展示这款软件的现实表现。Taigman 说：“届时，我们将会在大会上发布研究团队内部的反馈信息。”

DeepFace 处理面部识别分成两个步骤：第一部，计算机将图片上非正面面对[url=]摄像机[/url]的人脸图形全部调整到正面照角度，然后使用 [url=]3D[/url] 模型生成人脸的模型；第二部，借助深度学习技术的神经网络计算出这张面孔和哪一张存储的面孔相似。如果 3D 模型中的描述和另外一张图片中的 3D 模型描述非常相似，软件将自动决定这两张照片上是同一个人。软件的表现结果最终还要经过研究人员的标准数据测试，查看软件面部识别的错误率。

华盛顿大学的研究人员 Neeraj Kumar 长期以来一直研究面部验证和识别，他说 Facebook 的研究结果表明，只要发现了足够的数据来满足大型神经网络的数据需求，就能让机器学习软件取得巨大的进步。“我认为深度学习能提供的一大好处就是：能在具有高度学习能力的模型上处理大量的外部数据。”

DeepFace 的深度学习技术一共使用了 9 层模拟神经元，在整个神经网络中有 1.2 亿节点。在训练深度学习的时候，Facebook 使用了 4000 名 Facebook 用户上传在[url=]服务器[/url]上的约 400 万张照片。Kumar 说：“Facebook 有足够的数据来让系统学习，所以能成功地训练处一个具有高度学习能力的模型。”