人脸识别就在身边,的正确率认出你

时间:2019-11-29 03:42来源:江苏十一选五今日开奖办公软件
因此,微软亚洲研究院研发的换脸鉴别算法,基于FaceForensics数据库的测试结果均超越了人类肉眼的识别率以及此前业界的最好水平*:对于DeepFake的识别率达到了99.87%,对于FaceSwap的识别

因此,微软亚洲研究院研发的换脸鉴别算法,基于FaceForensics数据库的测试结果均超越了人类肉眼的识别率以及此前业界的最好水平*:对于DeepFake的识别率达到了99.87%,对于FaceSwap的识别率为99.66%,对于Face2Face的识别率为99.67%。

“在从大量人脸中识别一张人脸方面,电脑已经比人类表现得更好,所以我们想看看他们是否也能在部分人脸识别方面表现得更好。”

计算机VS人眼

人脸识别技术目前发展到哪个阶段,不能单单只靠媒体说说,究竟识别准确度到达哪个水平需要经过严格的测试以及数据才能做结论。为了衡量各个机构研究成果的准确度,一般机构都要都通过难度极高的人脸图像集检验,比较准确率的高低。Labeled Faces in the Wild(LFW)是国际上公认难度最高的人脸图像集之一LFW 的测试数据也是公认最权威。它的图像来自 Yahoo! News,一共13233幅,包括5749个人,有1680人有两幅或以上的图像,4069人只有一幅。

值得一提的是,人眼的识别精度在LFW 上有三个档次:

第一档次:包含场景、背景信息的人脸识别,人眼识别精度可达 99.20%;

第二档次:仅提供人脸脸部图像时,人眼识别精度为97.53%;

第三档次:不包含人脸的图像,人眼识别精度为94.27%。

2014年3月18日Facebook宣布推出DeepFace,在 LFW 上识别精度可达 97.25%,可以说已经很接近人眼;

同年3月,清华 Face++ 团队宣布LFW的测试结果为97.27%

4月 25日香港中文大学教授汤晓欧领导的计算机视觉研究组通过 Gaussianface,将人脸识别的精度提升到 98.52%。仅仅过了几个月,研究组研发DeepID2 和 DeepID2+。11月17日DeepID2+在LFW的测试结果高达 99.4%,并且错误率不断下降,从 2.75% 到 2.73%,从 1.48% 到 0.40%——性能大大提升。可以说计算机人脸识别能力已经超过了人眼。

图片 1

(数据来自LFW)

除了DeepFake,市场上存在多种换脸技术,不同算法生成的图像结果千差万别,难以使用同一个换脸鉴别模型解决所有换脸技术的进攻。与此同时,换脸鉴别模型还需要对目前不存在、但未来可能出现的换脸技术也具有判别力,如何去预测未来换脸技术的发展方向,提前布防,也是重要课题。

他们使用的数据集包含了来自巴西大学的200名学生和工作人员的多张照片,共计2800张,男女人数相同。

移动端人脸识别新领域

移动互联网时代的到来改变了信息和人的二元关系,让人成为信息的一部分,当人脸识别技术遇上移动互联网更是有别有一番新奇。此前人脸识别技术基本上是运用在硬件设备以及PC,当摄像头成为手机标配的今天,我们已经完全可以拿起手机过把瘾。不得不说,人脸识别技术又遇到另一个全新的使用领域。

首先是人脸比对的图片都来自移动设备,摄像头的多样性、比对者的姿态、角度以及比对环境等等相比以前的比对场景是一个全新的挑战,单单是三星就已经发布了超过100款安卓智能机,除了考虑不同设备的兼容与适配问题,比对环境与比对者的刷脸习惯更是多种多样,这无疑提高了识别难度。

另外因为国内在人脸识别领域相对国外起步较晚,目前人脸训练库以及算法大多数是以欧美人像进行研究,对于亚洲人种目前的人脸识别算法不免会感觉些许“陌生”。

但是我们相信结合移动互联网能够更快普及人脸识别,在不断使用的过程中让机器不断地进行学习,优化人脸识别算法,进入一个正循环的过程。

事实上,大约30%经过AI换脸的合成照片、合成视频是人类仅凭肉眼无法识别的,很容易被当作真实信息进行再次传播。这已成为一个亟待解决的社会性问题,面对这个问题,我们应该以及可以做些什么?微软亚洲研究院给出了解决方案。

在使用部分面部图像对模型进行训练后,他们又进行了一次实验。这一次,对于下半张脸,对于只有眼睛和鼻子的人脸,甚至对于看不见眼睛和鼻子的人脸,电脑的得分都有了显著的提高,达到了90%左右的正确识别率。

谈起人脸识别,可能大部分人最先想到的是科幻电影里那些比“芝麻开门”咒语还要神奇的场景:只要仪器识别到人脸就能开启秘密基地的大门;从人群中快速识别出某个人,还能得到很多身份信息……等等这些场景都是通过对人脸进行扫描就可以快速完成身份验证,目前一对一的识别率已经很高,而且早已开始正式商用。人脸识别以往只有在科幻电影中看到的技术其实已经悄悄的进入我们的生活。

表2:针对未知换脸算法的识别测试结果

哈桑教授说,研究结果很有希望:“我们现在已经证明,从只显示脸部部分的图像中进行非常精确的面部识别是可能的,我们已经确定了哪些部分最有用。这为安全或预防犯罪技术的使用开辟了更大的可能性。”

刷脸新时代已来临

国内外各大互联网科技公司在人脸是被这一块领域均有涉猎,且各自探索程度深浅不一。无论是从国外的Google、微软、Facebook,还是国内的百度、腾讯,都各自有各自的人脸识别团队。

Google:2011年07月 谷歌收购人脸识别软件公司PittPatt

Facebook:2012年6月 Facebook收购以色列脸部识别公司Face.com

微软:2012年6月 微软亚洲研究院发布人脸检测算法,面部识别系统

网易:2012年5月,网易人脸识别系统全国公测,用于邮箱登陆

腾讯:2012年下半年,优图项目组组建

百度:2012年12月 百度推出人脸识别,基于图像的全网人脸搜索

从2014年4月份支付宝以愚人节为名,推出的KungFu就跟我们说了这样的概念,让新技术就这样化支付于无形,让我们空着手到处行走也不再担心。虽说只是玩笑,但万一实现了呢。百度也跟随其后,百度魔图的明星脸比对也是疯狂了一阵子。接着在世界杯期间所举办的刷脸支付活动,以刷脸为口号的广告宣传随处可见。

从这些我们可以发现,大公司已经开始关注并或深或浅地使用人脸识别技术。人脸识别虽说还没开始大范围普及,但是其实已经开始慢慢融入我们的生活中了。

多年来,微软亚洲研究院在人脸识别、图像生成等方向都拥有业界领先的算法和模型。在CVPR 2018上,微软亚洲研究院视觉计算组发表了论文“Towards Open-Set Identity Preserving Face Synthesis”,其中的技术能够利用开放数据集中的数据,逼真地合成保留图中人脸身份信息的图像。深厚的技术积累让研究员们对“进攻方”的技术原理有着更深刻的理解,进而能够更有针对性地研发换脸鉴别算法。

在进化中,人类的大脑已经学会了对人类的面孔格外敏感,有时人们从一些非人事物中也能看出“人脸”形状就是这种能力的表现之一。

在微软看来,要构建可信赖的AI,必须遵循以下六大原则:公平、可靠和安全、隐私、包容、透明、责任。微软内部还成立了人工智能伦理道德委员会,帮助微软应对AI带来的伦理和社会影响。

图片 2

图1:微软亚洲研究院开发的模型分别提取蒙娜丽莎和赫本图片中的身份信息和属性信息进行合成

通过使用人工智能技术,该团队对四分之三和一半人脸的识别率都达到了100%。这项研究发表在《未来世代计算机系统》(Generation Computer Systems)杂志上,是第一次使用机器学习来测试人脸不同部位识别率的试验。

除了准确识别已知算法合成的图像,换脸鉴别的另一大挑战是应对尚未出现的新算法。将现有的换脸鉴别算法直接用于新算法时,它们的有效性往往会显着下降。为此,微软亚洲研究院提出了一种通用换脸鉴别方法。为了更好地考察这一算法对未知换脸算法的鉴别能力,研究团队用真实图像对模型进行了训练,再让其辨别多种未知换脸算法生成的图像。实验结果表明,与基线算法相比,新算法对各类换脸算法的识别率均有大幅提升。随着研究团队对模型的进一步优化,通用鉴别模型一定能越来越精确地帮助我们应对新算法所带来的问题和挑战。

在第一个实验中,研究小组只使用完整的面部图像来训练模型,然后他们进行了一个实验,看看计算机识别人脸的能力有多强,即使只显示其中的一部分。

表1:针对已知换脸算法的识别测试结果

“我们的实验现在需要在更大的数据集上进行验证。然而,在未来,用于面部识别的图像数据库很可能也需要包括部分人脸图像,这样,即使有些人脸图像不是全部可见,也可以对模型进行正确的训练来识别人脸。”

更重要的是,一般的换脸鉴别方案需要针对每一种换脸算法研发专门的换脸鉴别模型,想要鉴别一张图像的真伪,需要逐个尝试所有模型。微软亚洲研究院的算法则可以用一个通用模型,去鉴别不同类型的换脸算法所制造的脸。与此同时,研究员还对人脸合成时难以处理的细节进行检查,如眼镜、牙齿、头发边缘、脸部轮廓,将它们作为算法关注的重点,从而提高识别准确率。相比其他同类技术,来自微软亚洲研究院的换脸鉴别算法很好地解决了应对动态幅度大、有遮挡、有表情变化的图像的难题。

本文转自前瞻网。转载目的在于传递更多信息,并不代表赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与我们联系,我们将在第一时间删除内容!

目前,最常被使用的AI换脸算法有三种:DeepFake、FaceSwap和Face2Face。其中,DeepFake基于大家所熟知的GAN技术,对于它所生成的脸,人类的识别率大约为75%*。FaceSwap是一个学习重建脸部特征的深度学习算法,可以对给出的图片进行模型替换,人类对于此类换脸的识别率也是75%左右*。Face2Face则是用其他真实的人脸去替换原本的人脸,不涉及人脸的生成,对于它制造的脸,人类的识别率只有41%*。作为目前学术界最大的合成视频数据库之一,由慕尼黑技术大学创建的FaceForensics数据库涵盖了经过以上三种换脸算法编辑的公开视频,以供学术研究使用。

首席研究员、布拉德福德大学的哈桑·尤格里(Hassan Ugail)教授说:“人类识别人脸的能力令人惊叹,但研究表明,当我们只能看到人脸的一部分时,这种能力就会开始减弱。”

此前DeepFake换脸在全球引发轩然大波。从生成足以以假乱真的名人不雅视频开始,很多使用者将这个“换脸神器”当成了视频造假工具,并通过社交网络将虚假信息传播到全世界。DeepFake等技术出现不仅提升了换脸的真实性,其开放源代码的方式更是降低了将该等技术滥用于虚假信息制作和传播门槛。

实验结果证明,电脑能够百分之百地识别完整的人脸,但对四分之三的人脸以及只有上半部分或右半部分人脸的识别也取得了百分之百的成功。然而,电脑识别人脸下半部分的准确率只有60%,识别眼睛和鼻子的准确率只有40%。

在两个实验中,鼻子、脸颊、前额或嘴巴等面部单独部位的识别率都很低。

但如果面部只有一半区域可见,人们还能识别出眼前的面孔吗?近日,布拉德福德大学的研究人员的新发现表明,人工智能可以做到。

研究小组使用了一种被称为“卷积神经网络”的机器学习技术,利用了一种名为VGG的特征提取模型。

编辑:江苏十一选五今日开奖办公软件 本文来源:人脸识别就在身边,的正确率认出你

关键词: