潮科技 | 天生反抗收集研究人脸辨认规模获盼望

原问题：潮科技 | 天生反抗收集研究人脸辨认规模获盼望

编者按：本文来自微信公家号“中科院之声”（ID：zkyzswx），来历为中国科学院自动化研究所，36氪经授权转载。

克日，中国科学院自动化研究所智能感知与计较研究中心在天生反抗收集基本上提出高保真度的姿态稳固模子（High Fidelity Pose Invariant Model，HF-PIM）来降服人脸辨认使命中最为经典的姿态纷歧致题目。

尝试功效表白，该要领在基准数据集上的示意的视觉结果和定量机能指标都优于今朝最好的基于反抗天生收集的要领。另外，HF-PIM所支持的天生图像判别率也在原有要领的基本上晋升了一倍。该论文被神经信息处理赏罚体系大会（NIPS）所收录。

天生反抗收集的提出是继深度神经收集之后的一大革命性新盼望，已被《麻省理工科技评述》评为2018年“环球十大打破性技能”（10 Breakthrough Technologies 2018）。回看已往几年的上榜技能，越来越多的人工智能相干技能入选榜单，个中包罗：2008年呆板进修、2009年的Siri、2013年的深度进修、2014年的神经形态芯片、2016年的语音接口与常识分享型呆板人，以及2017年的自动驾驶卡车与强化进修。在本年，最具打破性的人工智能技能是反抗性神经收集（Dueling Neural Networks）/反抗式天生收集（GAN）——通过两个AI体系的竞争反抗，极大化加快呆板进修的进程，进而赋予呆板智能已往从未企及的想像力。

连年来，自动化所孙哲南、赫然研究组在天生反抗收集的道理和应用的研究上取得了一系列的成就，先前已在IEEE国际计较机视觉与模式辨认集会会议(CVPR)、国际计较机视觉大会（ICCV）上颁发了一系列关于天生反抗收集和正面人脸图像合成的研究事变，今朝在国际上处于领先职位。

在该论文中，作者总结了先前事变中存在的一些限定（譬喻，过于依靠低维信息束缚，不能很好地保持原图的语义信息等）。为了办理这些题目，作者对其详细做法举办总结如下：

• 1、引入了一种能反应三维人脸模子和二维的人脸图像之间点到点的关联浓密关联场，让收集可以或许在二维图像的指导下进修到隐含的三维人脸信息。

• 2、计划了一种全新的纹理扭曲（warping）进程，可以有用地把人脸纹理映射到图像域，同时又可以最洪流平地保持输入的语义信息。

• 3、提出了一种反抗残差字典进修进程，从而可以在不依靠三维数据的环境下更有用地进修人脸纹理特性。

• 4、尝试表白，该要领不只在定量和定性指标上明明地高出了已有要领，而且把天生图像的判别率进步了一倍。

高保真度的姿态稳固模子表示图

在CelebA数据库的HQ子集上的可视化功效，第一举动输入图像，第二举动通过该模子举办人脸正面化后的功效。HF-PIM是首个支持天生256*256可视化功效的模子。

在IJBA数据库上的可视化功效，第一举动输入图像，第二举动通过该模子举办人脸正面化后的功效。

在LFW（左图）数据库和IJB-A（右图）数据库上和已有要领的比拟功效。ACC: 精确率。AUC：ROC曲线下面积。FAR：错误接管率。Rank-1：第一次掷中辨认率。

在Multi-PIE数据库上在差异的视角下对第一次掷中辨认率的比拟。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!