Sejas noteikšanas algoritms ir iestatīts, lai mainītu attēlu meklēšanu

Jau 2001. gadā divi datorzinātnieki Pols Viola un Maikls Džonss izraisīja revolūciju datora sejas noteikšanas jomā. Pēc gadiem ilgas stagnācijas viņu izrāviens bija algoritms, kas varēja pamanīt sejas attēlā reāllaikā. Patiešām, tā sauktais Viola-Džounsa algoritms bija tik ātrs un vienkāršs, ka tas drīz tika iebūvēts standarta punktu un fotografēšanas kamerās.

Daļa no viņu viltības bija ignorēt daudz sarežģītāko sejas atpazīšanas problēmu un koncentrēties tikai uz noteikšanu. Viņi arī koncentrējās tikai uz sejām, kas skatītas no priekšpuses, ignorējot visas no leņķa. Ņemot vērā šīs robežas, viņi saprata, ka deguna tilts parasti veido vertikālu līniju, kas bija gaišāka par tuvumā esošajām acu dobumiem. Viņi arī pamanīja, ka acis bieži bija ēnā un tādējādi veido tumšāku horizontālu joslu.

Tāpēc Viola un Džonss izveidoja algoritmu, kas vispirms meklē vertikālas spilgtas joslas attēlā, kas varētu būt deguns, pēc tam meklē horizontālās tumšās joslas, kas varētu būt acis, un pēc tam meklē citus vispārīgus rakstus, kas saistīti ar sejām.

Neviena no šīm pazīmēm, ja tās ir noteiktas pašas, neliecina par seju. Bet, kad tie tiek atklāti viens pēc otra kaskādē, rezultāts ir laba norāde par seju attēlā. Līdz ar to šī procesa nosaukums: detektoru kaskāde. Un tā kā visas šīs pārbaudes ir vienkārši izpildāmas, iegūtais algoritms var darboties ātri reāllaikā.

Bet, lai gan Viola-Jones algoritms bija kaut kāds atklājums sejām, kas redzamas no priekšpuses, tas nevar precīzi noteikt sejas no jebkura cita leņķa. Un tas ievērojami ierobežo to, kā to var izmantot sejas meklētājprogrammās.

Tāpēc Yahoo interesē šī problēma. Šodien Sachin Farfade un Mohammad Saberian Yahoo Labs Kalifornijā un Li-Jia Li netālu esošajā Stenfordas universitātē atklāj jaunu pieeju problēmai, kas var pamanīt sejas leņķī, pat ja tās ir daļēji aizsegtas. Viņi saka, ka viņu jaunā pieeja ir vienkāršāka nekā citas, taču tā nodrošina vismodernāko veiktspēju.

Farfade un co izmanto principiāli atšķirīgu pieeju, lai izveidotu savu modeli. Viņi gūst labumu no pēdējos gados gūtajiem sasniegumiem mašīnmācības veidā, kas pazīstams kā dziļais konvolucionālais neironu tīkls. Ideja ir apmācīt daudzslāņu neironu tīklu, izmantojot plašu anotētu piemēru datubāzi, šajā gadījumā seju attēlus no daudziem leņķiem.

Šim nolūkam Farfade un co izveidoja datubāzi ar 200 000 attēlu, kas ietvēra sejas dažādos leņķos un orientācijās un vēl 20 miljonus attēlu bez sejām. Pēc tam viņi apmācīja savu neironu tīklu 128 attēlu partijās vairāk nekā 50 000 iterāciju.

Rezultāts ir viens algoritms, kas var pamanīt sejas no dažādiem leņķiem, pat ja tās ir daļēji aizsegtas. Un tas var pamanīt daudzas sejas vienā attēlā ar ievērojamu precizitāti.

Komanda šo pieeju sauc par dziļi blīvu sejas detektoru un saka, ka tā ir labi salīdzināma ar citiem algoritmiem. Mēs novērtējām piedāvāto metodi ar citām dziļās mācīšanās metodēm un parādījām, ka mūsu metode nodrošina ātrākus un precīzākus rezultātus, viņi saka.

Turklāt to algoritms ir ievērojami labāks, lai pamanītu sejas, kad tās ir apgrieztas otrādi, kaut kas cits nav pilnveidots. Un viņi saka, ka to var padarīt vēl labāku, izmantojot datu kopas, kurās ir vairāk apgrieztu seju. Mēs plānojam izmantot labākas paraugu ņemšanas stratēģijas un sarežģītākas datu palielināšanas metodes, lai vēl vairāk uzlabotu piedāvātās metodes veiktspēju aizsegtu un pagrieztu seju noteikšanai.

Tas ir interesants darbs, kas parāda, cik ātri attīstās sejas noteikšana. Dziļā konvolucionālā neironu tīkla tehnika pati par sevi ir tikai pāris gadus veca, un tā jau ir novedusi pie ievērojamiem sasniegumiem objektu un seju atpazīšanā.

Šāda veida algoritma lielais solījums ir attēlu meklēšanā. Šobrīd ir vienkārši medīt attēlus, kas uzņemti konkrētā vietā vai noteiktā laikā. Taču ir grūti atrast konkrētu cilvēku attēlus. Šis ir solis šajā virzienā. Tas ir neizbēgami, ka šī iespēja būs ar mums ne pārāk tālā nākotnē.

Un, kad tas pienāks, pasaule kļūs par daudz mazāku vietu. Meklējami būs ne tikai nākotnes attēli, bet arī visa digitalizēto attēlu vēsture, tostarp milzīgi video un videonovērošanas materiālu krājumi. Tā vai citādi tas būs spēcīgs spēks.

Atsauce: arxiv.org/abs/1502.02766 : vairāku skatu sejas noteikšana, izmantojot dziļus konvolucionālos neironu tīklus

paslēpties