卡內(nèi)基梅隆大學(xué)剛剛發(fā)布了其關(guān)于人臉識(shí)別的最新研究，由其改進(jìn)的算法能夠從圖片中提取并編碼關(guān)鍵信息，也就是說(shuō)能從人海中迅速提取面部信息。目前是人臉識(shí)別最熱門的創(chuàng)業(yè)方向之一，卡內(nèi)基梅隆大學(xué)的這項(xiàng)技術(shù)研究對(duì)于產(chǎn)業(yè)界的應(yīng)用將起到很大的推動(dòng)作用。

　　無(wú)論是在茫茫人海中提取面部信息，還是在大圖中識(shí)別出遠(yuǎn)處／細(xì)小的物體，都對(duì)計(jì)算機(jī)視覺(jué)圖形提出了非常大的挑戰(zhàn)。憑借著多年的技術(shù)積淀，來(lái)自卡內(nèi)基梅隆大學(xué)的科研團(tuán)隊(duì)終于找到了其中的訣竅——成功識(shí)別細(xì)小對(duì)象的關(guān)鍵就是尋找與之匹配的更大物體。

　　他和 Hu 所研發(fā)的方法是使用了「中央凹描述」（Foveal Descriptors），模擬人類視覺(jué)結(jié)構(gòu)對(duì)關(guān)聯(lián)信息進(jìn)行編碼。中央凹是視網(wǎng)膜中視覺(jué)（辨色力、分辨力）最敏銳的區(qū)域，這種方法為圖片的小塊區(qū)域提供了清晰的細(xì)節(jié)，而周圍區(qū)域則比較的模糊。

　　通過(guò)模糊外部圖像，中心凹描述提供了充足的關(guān)聯(lián)信息，在高度聚焦下幫助理解這個(gè)區(qū)域所展示的內(nèi)容，而且極大的降低了計(jì)算負(fù)擔(dān)。基于這種方式，Hu 和 Ramanan 的系統(tǒng)能夠在更少像素點(diǎn)的圖形塊中尋找并確認(rèn)是否存在人臉?！　『?jiǎn)單的增加一張圖片的分辨率可能并不是尋找微型物體的最佳解決方案。伴隨著高分辨率會(huì)帶來(lái)「Where『s Waldo」的問(wèn)題，目標(biāo)對(duì)象包含大量的像素點(diǎn)，極有可能在像素點(diǎn)中迷失。在這種情況下，充分利用關(guān)聯(lián)信息就能夠幫助系統(tǒng)關(guān)注到包含面部的圖像區(qū)塊。除了上文提及的關(guān)聯(lián)信息之外，Ramanan和Hu表示如果在同一個(gè)圖像區(qū)域中數(shù)次檢測(cè)到鼻子，那么利用檢測(cè)器在擁有少數(shù)像素點(diǎn)的圖像區(qū)域中找出面部是非常困難的。因此他們針對(duì)不同尺寸的對(duì)象培訓(xùn)了多個(gè)獨(dú)立檢測(cè)器，從而大大提高了檢測(cè)微型物體的能力?！　〗衲?7 月 21 日至 26 日在美國(guó)夏威夷州的首府火奴魯魯將會(huì)舉辦計(jì)算機(jī)視覺(jué)與模式識(shí)別國(guó)際會(huì)議（CVPR 2017），科研團(tuán)隊(duì)屆時(shí)將會(huì)發(fā)表詳細(xì)的報(bào)告。