人臉識別—深度卷積網路帶來的突破

人臉識別中，取出準確的有效特徵值，即使在不一樣的光源、拍攝時間、些微的表情、視角變化，仍能正確判斷，是數十年來研究的挑戰工作。而近來人臉識別的穩定度可以提升到滿足產業應用，在於兩個主要因素：深度卷積網路的發展以及大量的人臉訓練數據。

卷積網路利用層狀的結構來逐步表示影像中的複雜信號，由低階的線條到高階富有語意(semantic meaning)的物件、情境等。每個階層皆有數十個（到百個）卷積單元的單元組成—可以想像在各層輸入畫面進行特殊的樣式檢測，再將諸多檢測結果（反應強度）交給下一層繼續檢測。一般階層個數由數個到上百個，端看基底網路架構以及應用複雜度。目前人臉識別的主流是採用ResNet型態(在2015年底由任職於微軟研究院的何凱明博士率先提出)的基底網路。

識別時，取出末端一層網路輸出做為人臉（高緯）特徵值。過去的方法，不管是特徵臉、局部二值模式、稀疏編碼等，一般類似於使用一到兩層的卷積運算來逼近，相對上，稱為「淺層」作法。與深度卷積網路來比，參數使用量（複雜度）低，特徵值描述能力相當薄弱。更重要的，當利用大量數據訓練卷積網路時，這些重要的檢測樣式還可以由訓練樣本中自動學出，目的是為了讓最後的識別效果達到最好。之前的方法，常從經驗當中判斷設計，不一定吻合應用情境。

目前在國際研究社區也分享了相當多的人臉訓練數據，甚至達到百萬人的數目。為何可以收集到這些數據？主要來自於網路名人（明星、新聞人物）以及社群網站上的公開相簿。但是這也衍伸出其他的問題，比如說這些免費人臉數據中絕大部分為西方人，絕少戴眼鏡，畫質清晰，在實際場域上還有某些技術問題得克服，但是已經大大降低數據收集耗時、耗費的問題。

除數據外，訓練卷積網路的目標函數（Cost Function）也佔了非常重要的角色，比如說單使用常用的交叉熵（Cross-Entropy）來訓練人臉識別的穩定度，遠遠比不上Large Margin 的系列作法—因為不只在訓練網路中將人臉正確預測，還得讓不屬於同個人的人臉特徵值分隔遙遠，反之，則得十分接近。

利用目標函數，還有增益訓練數據的技術，還可以訓練網路解決人臉光影變化過大、化妝、眼鏡的問題，甚至是低解析度的人臉識別。在特殊的安全應用上，更可以部分解決人臉偽裝的問題，最近我們獲得國際偽裝人臉識別競賽冠軍，也驗證了這些作法。

人臉識別技術發展逐漸成熟，更可能溢出傳統安防領域而成為「個人化」的基礎引擎，而影響各種應用情境。如果整合我們擅長的硬體（系統、晶元）技術，似乎在產業應用上也帶來了新的機會！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！