騰訊AI Lab刷新人臉檢測與識別兩大測評國際記錄技術日調用超六億

概要：人臉檢測是讓機器找到圖像視頻中所有人臉並精准定位其位置資訊， 人臉識別是基於人臉圖像自動辨識其身份， 兩者密切相關， 前者是後者的前提和基礎。

騰訊AI Lab在國際最大、最難的人臉檢測平臺WIDER FACE與最熱門權威的人臉識別平臺MegaFace的多項評測指標中榮膺榜首， 刷新行業紀錄， 展現其在電腦視覺領域中， 特別是人臉技術上的強勁實力。

研究上， 目前騰訊AI Lab已通過arXiv平臺發表論文公開部分技術細節， 促進企業與學界“共用AI”研究成果；應用上， 該技術已接入騰訊互聯網+公共服務平臺等多個應用場景，

每日技術調用量超六億次， 未來有望更廣泛應用到政務、金融、安防等多個領域， 營造安全網路環境， 方便百姓遠端辦事。

人臉檢測是讓機器找到圖像視頻中所有人臉並精准定位其位置資訊， 人臉識別是基於人臉圖像自動辨識其身份， 兩者密切相關， 前者是後者的前提和基礎。 在研究上， 由於視角、光照、遮擋、姿態、年齡變化等複雜因素的干擾與影響， 真實場景下的人臉檢測與識別問題一直是一個極具研究價值與挑戰性的國際性難題。 而在應用上， 其在政務、金融、安防等領域都具有極高價值。

在人臉技術發展過程中， 標準評測資料集的重要性不言而喻。 參與標準資料集測試時， 研究人員可在固定標準下， 評估演算法性能，

並以此為方向推動技術不斷發展。

人 臉 檢 測 算 法 Face R-FCN

在WIDER FACE全部測試中斬獲第一

在人臉檢測領域， WIDER FACE是目前國際最大、最具挑戰性的人臉檢測評測平臺， 由香港中文大學發佈維護， 共有3.2萬張圖像， 39萬個標注的人臉， 這些人臉在尺寸、姿態、角度和遮擋等有很大變化， 吸引了中科院、美國卡耐基梅隆大學和馬里蘭大學等知名機構參與測評。

WIDER FACE人臉圖像示例 - 綠框為騰訊AI Lab檢測結果， 紅框為官方標注結果。

騰訊AI Lab針對人臉在尺度、光線、角度和遮擋上的多維變化， 有效改進深度全卷積神經網路， 提升人臉檢測精度和魯棒性， 推出人臉檢測演算法Face R-FCN。 該演算法在WIDER FACE測試平臺中使用官方指定訓練集， 即在完全公平競爭情況下評測不同參賽演算法的性能時，

在簡單、中等及困難模式（Easy、Medium、Hard）的全部三個測試子集中均取得世界第一。 目前演算法Face R-FCN的部分技術細節已通過論文在arXiv平臺上發佈。

論文地址：https://arxiv.org/abs/1709.05256

WIDER FACE評測結果曲線， 第一行是驗證集結果， 第二行是測試集結果。 詳情見如下連結：

http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/WiderFace_Results.html

人 臉 識 別 算 法 Face CNN

在MegaFace Challenge 2所有測試斬獲第一

在人臉識別領域， MegaFace是目前最權威熱門的人臉識別評測平臺之一， 由美國華盛頓大學（University of Washington）發佈維護， 在百萬規模人臉資料下， 評定1:N辨識（Face Identification）和1:1驗證（Face Verification）兩大指標準確率。 前者是在N個人資料庫中找到1個目標人臉， 後者是判斷給定的兩張人臉是否屬於同一身份。 基於評測資料規模和評測指標上的優勢， MegaFace吸引了Google、俄羅斯著名安防公司Vocord、日本NEC和美國卡耐基梅隆大學等知名機構參與。

MegaFace常規人臉數據樣例

MegaFace跨年齡人臉資料樣例， 這是同一人不同年齡時照片

騰訊AI Lab針對常規人臉識別和跨年齡人臉識別， 在網路模型結構、特徵學習等方面創新性改進， 推出了人臉識別演算法Face CNN。 該演算法在MegaFace測試平臺中使用官方指定訓練資料， 即在完全公平競爭情況下評測不同參賽演算法的性能時， 在MegaFace Challenge 2（簡稱為MF2）的所有測試任務均取得世界第一。 Face CNN演算法的相關技術解讀也將在未來陸續公佈。

MegaFace含兩個Challenge， Challenge 1（MF1）可使用任何外部不限量的人臉資料來訓練參賽演算法， 如穀歌使用億級數據， 其他團隊採用百萬級數據， 較難公平比較演算法性能。 而Mega Face推出的新版Challenge 2（MF2）要求使用官方固定訓練集， 能更客觀對比各演算法的情況。

MF2分為常規識別和跨年齡識別兩個子任務， 分別使用FaceScrub和FGNET測試集， 將1:N辨識和1:1驗證的準確率視為兩項關鍵評測指標。 MF2詳細評測結果參閱如下：

http://megaface.cs.washington.edu/results/facescrub_challenge2.html

MF2常規識別任務的辨識準確率（1:N）排名

MF2的常規識別任務的驗證準確率（1:1）排名

MF2的跨年齡識別任務的辨識準確率（1:N）排名

MF2的跨年齡任務的驗證準確率（1:1）排名

研 究 到 應 用 迅 速 落 地

走「共用AI」之路

遵循與學界和行業“共用AI”成果的發展之路， 騰訊AI Lab不斷推進研究到應用迅速落地， 縮短技術反覆運算時間， 小步快跑構建騰訊的AI核心競爭力。 目前自研的人臉技術已接入騰訊若干業務場景， 每日技術調用量已超過6億次。 一個典型的應用場景是在互聯網+公眾服務領域， 通過人臉驗證完成身份自動鑒別的“刷臉辦事”場景， 方便百姓遠端辦事，讓資料多跑路，百姓少跑腿，通過技術提升了公共服務的品質與效率。

此外，在CVPR、ACL、ICML、NIPS和Nature子刊等衡量AI研究能力的頂級會議和期刊中，騰訊AI Lab今年被收錄論文110多篇，位居國內企業前列。在應用上，除了技術已經落到微信、QQ、音樂和視頻平臺，還圍繞遊戲、內容和社交等核心業務突破，推出了圍棋AI“絕藝”並廣泛支援AI+醫療產品“騰訊覓影”。

關於騰訊AI Lab

騰訊AI Lab於2016年4月成立，是騰訊的企業級人工智慧實驗室，專注於AI基礎研究與落地應用的結合，借助騰訊豐富應用場景、海量大資料、強大計算能力和一流科技人才等發展優勢，為騰訊打造全面的AI能力，向“Make AI Everywhere”（讓AI無處不在）的願景邁步。

騰訊AI Lab主任及第一負責人是機器學習和大資料專家張潼博士，副主任及西雅圖AI Lab負責人是語音辨識及深度學習專家俞棟博士。目前深圳和西雅圖兩個實驗室共有70餘位國際一流的AI科學家及300多位經驗豐富的應用工程師。

騰訊AI Lab的基礎研究專注機器學習、電腦視覺、語音辨識和自然語言處理四大方向，技術應用聚焦於內容、遊戲、社交和平臺工具型AI四個方向，目前已落地到微信、QQ、天天快報和QQ音樂等上百個騰訊產品。在行業落地上，圍棋AI“絕藝”及AI+醫療專案“騰訊覓影”等項目取得了突破性進展。

方便百姓遠端辦事，讓資料多跑路，百姓少跑腿，通過技術提升了公共服務的品質與效率。

此外，在CVPR、ACL、ICML、NIPS和Nature子刊等衡量AI研究能力的頂級會議和期刊中，騰訊AI Lab今年被收錄論文110多篇，位居國內企業前列。在應用上，除了技術已經落到微信、QQ、音樂和視頻平臺，還圍繞遊戲、內容和社交等核心業務突破，推出了圍棋AI“絕藝”並廣泛支援AI+醫療產品“騰訊覓影”。

關於騰訊AI Lab

騰訊AI Lab於2016年4月成立，是騰訊的企業級人工智慧實驗室，專注於AI基礎研究與落地應用的結合，借助騰訊豐富應用場景、海量大資料、強大計算能力和一流科技人才等發展優勢，為騰訊打造全面的AI能力，向“Make AI Everywhere”（讓AI無處不在）的願景邁步。

騰訊AI Lab主任及第一負責人是機器學習和大資料專家張潼博士，副主任及西雅圖AI Lab負責人是語音辨識及深度學習專家俞棟博士。目前深圳和西雅圖兩個實驗室共有70餘位國際一流的AI科學家及300多位經驗豐富的應用工程師。

騰訊AI Lab的基礎研究專注機器學習、電腦視覺、語音辨識和自然語言處理四大方向，技術應用聚焦於內容、遊戲、社交和平臺工具型AI四個方向，目前已落地到微信、QQ、天天快報和QQ音樂等上百個騰訊產品。在行業落地上，圍棋AI“絕藝”及AI+醫療專案“騰訊覓影”等項目取得了突破性進展。