卡內(nèi)基梅隆大學剛剛發(fā)布了其關于人臉識別的最新研究，由其改進的算法能夠從圖片中提取并編碼關鍵信息，也就是說能從人海中迅速提取面部信息。目前是人臉識別最熱門的創(chuàng)業(yè)方向之一，卡內(nèi)基梅隆大學的這項技術研究對于產(chǎn)業(yè)界的應用將起到很大的推動作用。

　　無論是在茫茫人海中提取面部信息，還是在大圖中識別出遠處／細小的物體，都對計算機視覺圖形提出了非常大的挑戰(zhàn)。憑借著多年的技術積淀，來自卡內(nèi)基梅隆大學的科研團隊終于找到了其中的訣竅——成功識別細小對象的關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），模擬人類視覺結構對關聯(lián)信息進行編碼。中央凹是視網(wǎng)膜中視覺（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)域提供了清晰的細節(jié)，而周圍區(qū)域則比較的模糊。

　　通過模糊外部圖像，中心凹描述提供了充足的關聯(lián)信息，在高度聚焦下幫助理解這個區(qū)域所展示的內(nèi)容，而且極大的降低了計算負擔?；谶@種方式，Hu 和 Ramanan 的系統(tǒng)能夠在更少像素點的圖形塊中尋找并確認是否存在人臉?！　『唵蔚脑黾右粡垐D片的分辨率可能并不是尋找微型物體的最佳解決方案。伴隨著高分辨率會帶來「Where『s Waldo」的問題，目標對象包含大量的像素點，極有可能在像素點中迷失。在這種情況下，充分利用關聯(lián)信息就能夠幫助系統(tǒng)關注到包含面部的圖像區(qū)塊。除了上文提及的關聯(lián)信息之外，Ramanan和Hu表示如果在同一個圖像區(qū)域中數(shù)次檢測到鼻子，那么利用檢測器在擁有少數(shù)像素點的圖像區(qū)域中找出面部是非常困難的。因此他們針對不同尺寸的對象培訓了多個獨立檢測器，從而大大提高了檢測微型物體的能力?！　〗衲?7 月 21 日至 26 日在美國夏威夷州的首府火奴魯魯將會舉辦計算機視覺與模式識別國際會議（CVPR 2017），科研團隊屆時將會發(fā)表詳細的報告。