avav588con,最近2019中文免费字幕在线观看,欧美一道本一区二区三区,九九热在线观看,经典好看免费AV

　　【中國安防展覽網(wǎng) 新聞】 據(jù)悉，在美國華盛頓，計算機科學(xué)家和工程師們推出了“大集合臉圖挑戰(zhàn)，旨在評估和提升百萬人規(guī)模的人臉識別算法性能。
       
　　　　
　　華盛頓新研究：人臉識別算法在面對100萬陌生臉譜時能做到何種地步
　　
　　大的臉圖集包含了1百萬張圖片，代表了超過690，000個不同的人。這是次在一百萬規(guī)模下測試面部識別算法。在近幾年中，已經(jīng)有幾個團隊聲稱，他們的臉部識別算法系統(tǒng)的率已經(jīng)近乎。
　　
　　但本次測試只會在一個僅有13，000張圖片的數(shù)據(jù)集上進行-比參加美國職業(yè)足球賽的平均人數(shù)還少。隨著這些人群增長到一個美國主要城市的規(guī)模，他們的表現(xiàn)將如何？
　　
　　華盛頓大學(xué)的研究者回應(yīng)了這個人臉挑戰(zhàn)問題。世界的個競爭，旨于在百萬人的數(shù)據(jù)規(guī)模下評估和提高人臉識別算法的性能。當(dāng)面臨著更多的干擾時，所有的算法都面臨率的考核，但有些算法的表現(xiàn)比別其他的好得多。
　　
　　“我們需要在星球的尺度上測試臉部識別，確保他能實際應(yīng)用在更大范圍進行測試，以便你發(fā)現(xiàn)識別算法的缺陷和優(yōu)點。”計算機科學(xué)助理教授和UW項目的研究員Ira Kemelmacher-Shlizerman說道。
　　
　　“我們不能再一個很小的集合中測試，然后說他是的。”
　　
　　UW團隊首先開發(fā)了一個有一百萬相冊圖片的數(shù)據(jù)集，圖片來自于*并且可公開提供創(chuàng)意共享許可證，代表著690572個獨特的個人。隨后他們考驗人臉識別團隊，讓他們下載數(shù)據(jù)庫然后觀察當(dāng)必須區(qū)分有一百萬種可能性的匹配時他們算法的運行效率。
　　
　　Google的臉部網(wǎng)絡(luò)在其中一項測試中展現(xiàn)出了非常高的性能，當(dāng)面對更小的圖片集時，達到了近乎的度，在百萬人測試中度達到了75%。一個來自于俄羅斯N-TechLab的團隊在另一個測試中脫穎而出，降到73%。
　　
　　相比之下，其他算法的率也很不錯--大概95%--在一個小規(guī)模內(nèi)下降了更大的百分比，當(dāng)面臨著更艱巨的任務(wù)時精度低至33%。初步的結(jié)果，在計算機視覺與模式識別會議（CVPR2016）6月30日的論文中被非常詳細的展現(xiàn)出，以及項目網(wǎng)站上更新正在進行的結(jié)果，超過300個研究小組正在努力攻克大規(guī)模的臉圖。
　　
　　大規(guī)模的臉圖挑戰(zhàn)在查證方面測試了算法，或者說他們在正確的識別兩個照片是否是同一個人方面能表現(xiàn)的多好。這就是一個iPhone的安全功能如何運作，例如，能夠識別你的臉并且決定是否解鎖你的手機，而不是要你輸入密碼。
　　
　　“如果你在阿姆斯特丹的火車站丟失了你的手機會發(fā)生什么？，或者有人想偷他呢？”共同領(lǐng)導(dǎo)UW圖像算法和成像實驗室的Kemelmacher-Shlizerman說道。“我想非常的肯定我的手機可以在一百萬甚至七百萬人中正常的識別出我，而不是在僅僅10，000或者更少”
　　
　　他們同樣也在識別方面測試了算法，或者說他們能夠多的匹配一個單一個體的照片，從一百萬“分心”中找到同樣是這個人的不同照片。這正是在進行的，例如，當(dāng)執(zhí)法部門有一個**的照片，并通過在地鐵站臺或機場拍攝的照片，看看是否該人試圖逃跑。
　　
　　“你可以看出這個問題的難點-從不同的年齡階段中識別出同一個人是無法解決的問題。因此從他們二重身識別出個人和匹配不同姿勢的個人就像側(cè)視圖到正視圖一樣。”Kemelmacher-Shlizerman說道。在評估規(guī)模時，文章同樣分析了在人臉識別時年齡和姿勢的不變性。
　　
　　總體來說，“學(xué)習(xí)”在大規(guī)模圖片數(shù)據(jù)集中如何正確片匹配的算法勝了那些只獲得較小的訓(xùn)練數(shù)據(jù)集的算法。除了中國研究團隊演算出的SIAT MMlab算法，在更小數(shù)量的圖片集上學(xué)習(xí)，逆流而，上通過比其他的算法做的更好。
　　
　　大集合面部圖集挑戰(zhàn)仍然在進行并且不斷的收到結(jié)果。
　　
　　團隊的下一步包括收集一半一百萬的個體--每一個都有一定數(shù)量的照片--為了一個將被用于臉部識別算法的數(shù)據(jù)集。這將有助平衡運行場地于并且測試給出相同數(shù)量的大規(guī)模訓(xùn)練數(shù)據(jù)，那個的算法優(yōu)于其他人，當(dāng)大多數(shù)研究者無法獲得和Google或者Facebook一樣大的圖片集時。該訓(xùn)練集將被發(fā)布到夏季結(jié)束。
　　
　　“先進的深神經(jīng)網(wǎng)絡(luò)算法有數(shù)以百萬計的參數(shù)要學(xué)習(xí)并且要求有大量的例子來調(diào)整他們”Aaron Nech說道，華盛頓大學(xué)計算機科學(xué)與工程碩士的學(xué)生在為訓(xùn)練數(shù)據(jù)集而努力。
　　
　　“和人不一樣，這些模型初是一個空白的石板。具有數(shù)據(jù)的多樣性，例如在超過500,000個不同個體發(fā)現(xiàn)的雜的身份線索，通過提供各種各樣現(xiàn)在未出現(xiàn)的樣本，能夠提高算法的性能。”