華盛頓大學最新研究：人臉識別靠譜嗎？

目前有不少團隊宣稱自己的人臉識別技術的精確率已近乎完美，可是，真的有那么靠譜嗎？

武器、考試、支付、游戲、稅務……人臉識別技術正被人們用于各行各業中，就在近日，美國FBI于2014年推出的人臉識別系統FACE已捕捉到了4.11億張面部照片。但是，人臉識別的精確率真的靠譜嗎？為此，華盛頓大學的UW團隊特意進行了一個實驗：在一百萬相冊圖片中對幾家宣稱準確率近乎完美的人臉識別技術進行測試。

關于這個項目的意義，計算機科學助理教授和UW項目的首席研究員Ira Kemelmacher-Shlizerman說：“我們需要在星球的尺度上測試臉部識別，確保他能實際應用在更大范圍進行測試，以便你發現識別算法的缺陷和優點。”

UW團隊首先開發了一個有一百萬相冊圖片的數據集，這些照片代表著690572個獨立的個人。隨后他們讓各家人臉識別團隊下載數據庫，并觀察在具有一百萬種可能性的匹配中其算法的運行效率。

其測試部分共分為兩部分，一個部分是在查證方面測試算法，即正確識別兩個照片是否是同一個人的準確率測試；另一部分是在識別方面測試算法，即根據一張照片，從百萬張照片中找到同一個人的不同照片的準確率測試。

在測試過程中，Google的臉部網絡在其中一項測試中展現出了非常高的性能，當面對更小的圖片集時，達到了近乎完美的精準度，在百萬人測試中精準度也達到了75%。一個來自于俄羅斯N-TechLab的團隊在另一個測試中脫穎而出，精準度達到73%。這種結果在目前來說應該已經算不錯了，不過對于投入與實際運用還有一定距離，畢竟美國的人口數在2014年就達到了3.19億人，遠遠不是這69萬人就可輕易比擬的。并且除了人數上的差距，在技術上，人臉識別仍有問題尚待解決。

“你可以看出這個問題的難點，從不同的年齡階段中識別出同一個人是無法解決的問題。因此從他們二重身識別出個人和匹配不同姿勢的個人就像側視圖到正視圖一樣。 ”共同領導UW圖像算法和成像實驗室的Kemelmacher-Shlizerman說道。在評估規模時，文章同樣分析了在人臉識別時年齡和姿勢的不變性。

目前，該項測試項目還在繼續進行中，下一步中，為了一個將被用于臉部識別算法的數據集，UW團隊將收集一半一百萬的個體，并且每一個都有一定數量的照片，這將有助平衡運行場地于并且測試給出相同數量的大規模訓練數據。對此，Aaron Nech稱“最先進的神經網絡算法有數以百萬的參數要學習，并且要求有大量的例子來調整他們”。

對于該項目的成果，UW團隊將在6月30日于計算機視覺與模式識別會議（CVPR 2016）上演講的論文中詳細展出，并且進展結果也將在其項目網站同步更新。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！