Reserch
活動+

人臉辨識—深度卷積網路帶來的突破

  • 徐宏民
近來人臉辨識的穩定度可以提昇到滿足產業應用,在於兩個主要因素:深度卷積網路的發展以及大量的人臉訓練資料。亞馬遜

人臉辨識中,取出強健的有效特徵值,即使在不一樣的光源、拍攝時間、些微的表情、視角變化,仍能正確判斷,是數十年來研究的挑戰工作。而近來人臉辨識的穩定度可以提昇到滿足產業應用,在於兩個主要因素:深度卷積網路的發展以及大量的人臉訓練資料。

卷積網路利用層狀的結構來逐步表示影像中的複雜訊號,由低階的線條到高階富有語意(semantic meaning)的物件、情境等。每個階層皆有數十個(到百個)卷積單元的單元組成—可以想像在各層輸入畫面進行特殊的樣式檢測,再將諸多檢測結果(反應強度)交給下一層繼續檢測。一般階層個數由數個到上百個,端看基底網路架構以及應用複雜度。目前人臉辨識的主流是採用ResNet型態(在2015年底由任職於微軟研究院的何凱明博士率先提出)的基底網路。

辨識時,取出末端一層網路輸出做為人臉(高緯)特徵值。過去的方法,不管是特徵臉、局部二值模式、稀疏編碼等,一般類似於使用一到兩層的卷積運算來逼近,相對上,稱為「淺層」作法。與深度卷積網路來比,參數使用量(複雜度)低,特徵值描述能力相當薄弱。更重要的,當利用大量資料訓練卷積網路時,這些重要的檢測樣式還可以由訓練樣本中自動學出,目的是為了讓最後的辨識效果達到最好。之前的方法,常從經驗當中判斷設計,不一定吻合應用情境。

目前在國際研究社區也分享了相當多的人臉訓練資料,甚至達到百萬人的數目。為何可以收集到這些資料?主要來自於網路名人(明星、新聞人物)以及社群網站上的公開相簿。但是這也衍伸出其他的問題,比如說這些免費人臉資料中絕大部分為西方人,絕少戴眼鏡,畫質清晰,在實際場域上還有某些技術問題得克服,但是已經大大降低資料收集耗時、耗費的問題。

除資料外,訓練卷積網路的目標函數(Cost Function)也佔了非常重要的角色,比如說單使用常用的交叉熵(Cross-Entropy)來訓練人臉辨識的穩定度,遠遠比不上Large Margin 的系列作法—因為不只在訓練網路中將人臉正確預測,還得讓不屬於同個人的人臉特徵值分隔遙遠,反之,則得十分接近。

利用目標函數,還有增益訓練資料的技術,還可以訓練網路解決人臉光影變化過大、化妝、眼鏡的問題,甚至是低解析度的人臉辨識。在特殊的安全應用上,更可以部分解決人臉偽裝的問題,最近我們獲得國際偽裝人臉辨識競賽冠軍,也驗證了這些作法。

人臉辨識技術發展逐漸成熟,更可能溢出傳統安控領域而成為「個人化」的基礎引擎,而影響各種應用情境。如果整合我們擅長的硬體(系統、晶片)技術,似乎在產業應用上也帶來了新的機會!

系列文見<人臉辨識的核心問題與商機>、<人臉辨識的技術環節>

徐宏民(Winston Hsu)現任台大資工系教授及NVIDIA AI Lab計畫主持人。哥倫比亞大學電機博士,專精於機器學習、大規模影像視訊搜尋與辨識、前瞻技術商業模式等領域。為訊連科技研發團隊創始成員,曾任IBM華生研究中心客座研究員、美國微軟研究院客座研究員。習慣從學術及產業界的角度檢驗技術發展的機會;十餘年產學合作以及新創經驗,近年與國內外企業合作,將深度學習技術落實到產品上,並且協助成立深度學習(人工智慧)團隊。曾獲ACM MM 2014 Grand Challenge Multimodal Award、傑出資訊人才獎、吳大猷先生紀念獎等多項國內外大獎。