您的位置:仰山新闻>科技>中科院乔宇博士:深度学习加速人脸识别爆发,但仍有局限性

中科院乔宇博士:深度学习加速人脸识别爆发,但仍有局限性

2019-11-08 14:50:44 仰山新闻

许多生物识别技术已经存在很长时间了,但是为什么像人脸识别和语音识别这样的技术在最近几年迅速爆炸呢?在9月20日由SMIC主办的“2019生物识别技术与应用论坛”上,中国科学院深圳高级技术研究所数字研究所所长乔宇博士表示,这主要是由于深入学习技术的推广,这加快了相关技术识别准确率的显著提高,甚至超过了人类。

▲中国科学院先进技术研究所数字研究所所长乔宇博士

例如,在计算机视觉领域,由于imagenet的引入,图像识别的精度在2010年至2015年间有了很大提高。

从上图可以看出,到2015年,resnet(152层)网络可以实现的imagenet分类任务错误率已经下降到3.5%,超过了人为水平(人为错误率为5.1%)。

具体到人脸识别,主要有两个任务:第一,1: 1人脸比较,如高速火车站、身份证和人脸,1: 1比较,确认是否是同一个人;二是1: N比较,即动态人脸识别。例如,通过监控获得面部照片,并与公共安全敏感数据库中的人进行比较,以判断这是否是逃犯。显然,后一项任务更加困难。

例如,乔宇博士说,“以某个地区的过境点为例,每天大约有6万人过境。对于2014年的技术,系统可能平均每三小时误判一次;到2015年,平均每两天就会有一次误判。在2016年,它已经减少到平均一个月之前出现错误计算。根据目前的技术,该系统可能每六个月只有一次误判。这意味着你用假证件成功通关的概率基本上低于彩票中头奖的概率。”

1: n人脸识别也是如此。乔宇博士说,“五六年前,人脸识别更多地用于公司打卡。那时,成百上千的人将有相对较高的识别率。目前,该技术可以支持城市级人脸识别,可以处理深圳数千万人的人脸识别。这是它背后的巨大技术进步。”

为了达到如此高的识别率,除了网络结构之外,损失函数的设计也是至关重要的。

“2016年,我们的实验室制定了一种方法,即中心损失法,并于2016年被ECCV接受。单一模型的识别率可达99%以上,并且是开源的,应用广泛。”乔宇博士非常自豪地说。

此外,鉴于相对热门的三维人脸识别,乔宇博士表示,中国科学院深圳市高级技术研究所也在进行“基于单一图像的三维人脸结构复原”。当前的算法可以恢复一个人脸上的皱纹、胡须和其他细节纹理,支持复杂的表情和姿势。

目前,深度学习伴随着大数据的应用,其性能不断提高。然而,深度学习在许多方面都有其局限性。

乔宇博士说,例如,“小数据异质多态性”,许多数据是不规则的、不完整的,可能是异质多态性。可以看出,深度学习面临着巨大的瓶颈。另一方面,深入学习往往是由数据和计算推动的,其推理能力很差,这使得很好地运用常识和知识成为不可能。有时候,深层神经网络会犯愚蠢的错误。此外,许多深度模型是黑盒,它们的可靠性和可解性相对较差。在医学应用中,不仅应该告知诊断结果,而且患者和医生也经常想知道深层网络做出判断的原因。最后,深度学习的鲁棒性和泛化能力存在很大缺陷。例如,上面图片中的狗改变了图片中的一些像素,机器可能会将其判断为另一个对象。另一个例子是猴子的原始照片。如果一辆摩托车放在他面前,机器可能会把它误认为是人。为什么?因为他看到很多骑摩托车的人的照片。

编者:辛志勋-浪客健

快乐飞艇app 网络彩票平台 河北快三 江苏快3开奖结果

  • 上一篇:融入长三角 舒城产业新城智造新未来
  • 下一篇:3in1 | 我们美编疯了,他们画了三版月饼简史
  • 栏目资讯
    蒙古欲灭南宋为何要先灭大理国
    Copyright 2018-2019 pocpic.com 仰山新闻 Inc. All Rights Reserved.