[人脸识别]疫情加速百度人脸识别变革:戴口罩也能准确识别,迅速上线
十三 发自 凹非寺
量子位 报道 | 公众号 QbitAI
疫情之下 , 口罩识别有多难 , 问问你的iPhone用户朋友就知道了 。
在“刷脸时代” , 戴口罩的人脸识别已然成为一个大问题 。
传统的人脸识别算法 , 已经无法hold住这种大面积遮挡情况 , 主要难点有三:
一张口罩“封印”半张脸 , 直接丢失大量脸部特征;
短期内无法收集大量戴口罩人脸图像 , 算法训练难度大;
人脸识别系统包含检测、跟踪、识别等多个模块 , 对它们都会造成影响 。
好消息是 , AI工程师们逢山开路遇水搭桥 , 现在——戴口罩人脸识别——这座桥 , 已经搭好了 , 而且已经开放了 。
本文插图
来自百度视觉算法团队 , 技术方面自然也有保障 。
不过 , 知其然最好还要知其所以然 。 如此模型 , 百度视觉算法团队是如何完成的呢?
接下来我们一一解密 。
戴口罩人脸识别之难:如何快准狠
“三座大山”怎么翻?
首先是第一个难题 , 丢失了大量脸部特征 , 如何进行检测 。
在人脸识别的过程中 , 会提取面部大量的特征点 , 而这些特征点的分布并不都是均匀的 。
而且每个区域特征点所包含的信息量(用于身份认证)不同 , 例如 , 眼部区域就相比其他位置包含了更多的身份信息 。
本文插图
百度视觉就敏锐地观察到了这一点 , 找到了翻过这座大山的突破口 。
他们通过采用基于空间位置的注意力机制特征学习 , 让算法更加关注对眼部区域的特征学习 。
本文插图
这样一来 , 就能将因为佩戴口罩、帽子等遮挡 , 所带来的信息丢失降到最低 , 也就能充分获取戴口罩人脸的身份信息 。
本文插图
算法有了 , 但数据不够用来训练 , 又该怎么办呢?
一个传统的办法 , 就是在现有的人脸图像上“贴”上口罩 。
但这样处理后的实验效果并不明显 , 原因是在真实场景中 , 人脸姿态会有变化 , 并且不同场景采集的图像存在一定的差异性 。
针对这个问题 , 百度视觉采用了基于人脸关键点的3D图像融合技术 。
这样处理后 , 不仅解决了人脸姿态变化带来的口罩形变和遮挡问题 , 还生成了更加自然、真实的照片 。
本文插图
通过收集市面上各种颜色、大小和样式的口罩图片 , 与之前积累的未佩戴口罩人脸图片进行融合 , 快速合成了各种场景、海量真实的戴口罩训练照片 。
最后一座大山 , 人脸识别系统各模块(环节)之间的问题 。
百度视觉对此做了一系列的优化 。 例如:
检测算法方面 , 采用了百度最新的PyramidBox-lite检测算法 , 并加入超过10万张口罩人脸数据训练 , 在准确率不变的情况下 , 召回率提升了30% , 佩戴口罩的人脸检测准确率超99%以上 。
口罩分类算法方面 , 基于人脸关键点网络 , 抽取了具有丰富面部语义信息的人脸特征表示 , 并基于该特征进行口罩遮挡判断 , 还通过PaddleSlim进行模型压缩 , 大小缩小了3倍多 。
问题解决了 , 性能效果又如何?
优化了识别效果之后 , 在佩戴口罩情况下人脸识别 , 准确率出奇的高 , 速度出奇的快!
但单从理论上解决难题是不够的 , 应用到急需的场景中才是关键 。
推荐阅读
- 人民网@【战“疫”说理】疫情防控中如何有效实现经济复苏?
- 「百度」百度发布直播搜索大数据:疫情下电商及知识类直播增速明显
- 「新华网」中美举行网络研讨会分享抗击疫情经验
- 『特斯拉』特斯拉Cybertruck皮卡预定量超60万!疫情期间每天增加1000个订单
- 「新华网」亚行:新冠疫情将导致亚太发展中经济体今年经济增速放缓
- 中新网:美国多地延长应对疫情的临时政策
- 北京商报@我国外贸进出口形势可能还会进一步恶化,工信部:随着国际疫情进一步扩散
- 『行知至知行』PTA:加工利润提供探底空间
- 「泱泱世界里」粮食概念股走一波,要开始屯粮了吗?
- 疫情过后,中国将引领经济复苏
