早在2001年，兩位計算機科學家Paul Viola和Michael Jones就引發(fā)了計算機人臉檢測領(lǐng)域的一場革命。經(jīng)過多年的停滯，他們的突破是一種可以實時識別圖像中的面部的算法。實際上，所謂的Viola-Jones算法非?？焖俸秃唵?，很快就被內(nèi)置到標準的傻瓜相機中。

他們的部分訣竅是忽略面部識別中更加困難的問題，而只關(guān)注檢測。他們也只關(guān)注從正面看的面孔，忽略了從一個角度看到的任何面孔。鑒于這些界限，他們意識到鼻梁通常形成一條垂直線，比附近的眼窩更亮。他們還注意到眼睛經(jīng)常處于陰影中，因此形成了較暗的水平帶。

因此，Viola和Jones構(gòu)建了一種算法，該算法首先查找可能是鼻子的圖像中的垂直亮帶，然后查找可能是眼睛的水平暗帶，然后查找與臉相關(guān)的其他一般模式。

由他們自己檢測，這些特征都沒有強烈暗示面部。但是當它們在級聯(lián)中一個接一個地被檢測到時，結(jié)果是圖像中的面部的良好指示。因此，這個過程的名稱：探測器級聯(lián)。由于這些測試都很簡單，因此生成的算法可以快速實時運行。

但是，雖然Viola-Jones算法對于從正面看到的面部是一種啟示，但它無法從任何其他角度精確地發(fā)現(xiàn)面部。這嚴重限制了它如何用于面部搜索引擎。

這就是雅虎對此問題感興趣的原因。今天，加利福尼亞州雅虎實驗室的Sachin Farfade和Mohammad Saberian以及斯坦福大學附近的Li-Jia Li，揭示了一種解決問題的新方法，即使在部分遮擋的情況下也可以在某個角度發(fā)現(xiàn)面部問題。他們說他們的新方法比其他方法更簡單，但卻達到了先進的性能。

Farfade和co使用一種根本不同的方法來構(gòu)建他們的模型。他們利用近年來在一種稱為深度卷積神經(jīng)網(wǎng)絡(luò)的機器學習上取得的進步。我們的想法是使用大量帶注釋的示例數(shù)據(jù)庫來訓練多層神經(jīng)網(wǎng)絡(luò)，在這種情況下，從多個角度拍攝人臉照片。

為此，F(xiàn)arfade和co創(chuàng)建了一個包含200,000張圖像的數(shù)據(jù)庫，其中包括各種角度和方向的面部以及另外2000萬張沒有面部的圖像。然后他們在50,000次迭代中以128個圖像批量訓練他們的神經(jīng)網(wǎng)絡(luò)。

結(jié)果是一種算法，即使在部分遮擋的情況下也可以從各種角度發(fā)現(xiàn)面部。它可以非常精確地在同一圖像中發(fā)現(xiàn)許多面部。

該團隊稱這種方法為Deep Dense Face Detector，并稱它與其他算法相比較?！拔覀兪褂闷渌谏疃葘W習的方法評估了所提出的方法，并表明我們的方法可以獲得更快，更準確的結(jié)果，”他們說。

更重要的是，他們的算法在顛倒時能夠更好地識別面部，其他方法還沒有完善。并且他們說，使用包含更多顛倒面的數(shù)據(jù)集可以做得更好。“我們計劃使用更好的采樣策略和更復雜的數(shù)據(jù)增強技術(shù)，以進一步提高所提出的檢測遮擋和旋轉(zhuǎn)面部方法的性能?！?/p>

這是一項有趣的工作，展示了人臉檢測的快速進展。深度卷積神經(jīng)網(wǎng)絡(luò)技術(shù)本身只有幾年的歷史，已經(jīng)在對象和人臉識別方面取得了重大進展。

這種算法的巨大希望在于圖像搜索。目前，可以直接搜索在特定地點或特定時間拍攝的圖像。但很難找到特定人物拍攝的照片。這是朝這個方向邁出的一步。在不遠的將來，這種能力不可避免地會伴隨我們。

當它到來時，世界將變得更小。這不僅僅是將來可以搜索的圖片，而是數(shù)字化圖像的整個歷史，包括大量的視頻和CCTV鏡頭。無論如何，這將成為一股強大的力量。