电子资讯 > > 正文

从百度大脑看人脸识别最新技术进展

2020-06-22
目前,根据识别方式的不同,生物识别可分为、识别、虹膜识别、和静脉识别等。其中,人脸识别在全球生物识别市场份额中的增幅居于首位。 生物识别类型 表一:各类生物识别技术对比 随着人脸识别技术不断成熟,市场需求将加速释放。从社保领取到校园门禁,从远程预授信到安检闸机检查,人脸识别正不断打开新的应用市场,行业也将呈现出新的技术发展趋势。在我国人脸识别技术领域处于领先地位的百度大脑自2019年以来,不断优化和升级其在人脸相关技术层面的发展,在人脸识别、人脸检测、人脸搜索、人体分析等方面持续进行技术迭代。 表二:2019年百度大脑人脸相关技术升级情况 在9月26日于深圳举行的“百度大脑人脸识别新产品及伙伴计划发布会”会上,百度分享了他们在百度大脑人脸识别的最新技术成果,并发布了多项全新的人脸识别产品。

最新进展 百度视觉技术部副总监丁二锐表示,视觉处于感知层,包括图像/视频、AR/,在形式上看它是从单帧的图像到多帧的视频,从语义上则是从“看清”到“看懂”的过程。百度视觉技术包括图像、视频、边缘计算、重要垂类、AR/VR五大特色技术。其中,人脸属于百度技术的重要垂类,在工业、安防等领域都得到了重点应用。 图一:百度大脑计算机视觉五大特色技术 从百度人脸技术发展历程来看,在由TO C向TO B产业端不断演进,当前技术开拓点主要集中在人脸的编辑方面。百度的人脸技术经历了三个大阶段,从早期的Densebox,到中期应用广泛并已实现落地的PyidBox,到目前最新的ningBox,整个检测技术在不断提升。例如,在PyramidBox技术中,不仅考虑了人脸、人头,还考虑了人体其他部分。 图二:百度大脑人脸检测技术 对于人脸关键点识别,丁二锐表示,hourglass是一个对称的结构,需要人为的将block级联起来,并由人工进行定义,而百度大脑采用基于AutoDL的网络搜索,并引入人脸多部件语义分割监督,大大降低了人力投入。 图三:百度大脑人脸关键点检测技术 在人脸识别方面,百度在早期就已采用EndTOEnd Metric learning,并根据金融需求,推出了基于GAN的图像质量增强算法。百度人脸识别技术1:1验证准确率达99.77%,并广泛应用于金融核验、安防监控、闸机考勤、公众/政治人物识别等不同场景。 图四:百度大脑人脸识别算法 在人脸活体检测方面,百度大脑提出了基于多模态的检测框架,利用RGB、Depth以及图像,该技术已经达到了央行金融支付的标准。 图五:百度大脑人脸活体检测技术 在实际应用中,由于计算资源和受限,如何在保证性能的情况下,又能适应外部的条件呢?丁二锐表示,基于dleSlim平台,采用自研的AMC(自动模型压缩)模型,在表现微降的情况下,整体的压缩率可以降低到50%;此外,通过自研的Light-(轻量级模型结构的快速搜索)算法,还可大幅度缩短训练时间。 对于人脸识别的应用趋势,丁二锐认为,未来将实现以人脸为中心,再加上肢体交互应用的升级,例如对话式虚拟形象,此外,人脸与硬件的结合,也将会催生新的产品形式,例如百度大脑基于多模态FaceID打造的多功能警务一体机等等。

8款新产品 在本次会议上,百度AI技术生态部高级产品经理吴延宇介绍了百度大脑最新的8项产品。 表三:百度大脑新产品速览 综合来看,以百度大脑为代表的人脸识别相关企业的技术水平正在加速提升,随着下游智慧城市、安防监控、娱乐营销等需求市场的推动,高精度、低耗时、高量级的人脸识别企业将会迎来更广阔的市场空间。

-

-

相关阅读

chenfengyib资讯网