211service.com
Facebook crea un software che abbina i volti quasi bene come te
Alla domanda se due foto sconosciute di volti mostrano la stessa persona, un essere umano avrà ragione il 97,53 percento delle volte. Il nuovo software sviluppato dai ricercatori di Facebook può ottenere il 97,25 percento nella stessa sfida, indipendentemente dalle variazioni di illuminazione o dal fatto che la persona nella foto sia direttamente di fronte alla fotocamera.
Questo è un progresso significativo rispetto ai precedenti software di abbinamento dei volti e dimostra la potenza di un nuovo approccio all'intelligenza artificiale noto come deep learning, su cui Facebook e i suoi concorrenti hanno scommesso pesantemente nell'ultimo anno (vedi Deep Learning). Quest'area dell'intelligenza artificiale coinvolge un software che utilizza reti di neuroni simulati per imparare a riconoscere modelli in grandi quantità di dati.
Normalmente non si vede questo tipo di miglioramento, afferma Yaniv Taigman, membro del team AI di Facebook, un gruppo di ricerca creato l'anno scorso per esplorare come il deep learning potrebbe aiutare l'azienda (vedi Facebook Launches Advanced AI Effort). Ci avviciniamo da vicino alle prestazioni umane, afferma Taigman del nuovo software. Nota che il tasso di errore è stato ridotto di oltre un quarto rispetto al software precedente che può svolgere lo stesso compito.
Giro di testa: DeepFace utilizza un modello 3D per ruotare virtualmente i volti in modo che siano rivolti verso la telecamera. L'immagine (a) mostra l'immagine originale e (g) mostra la versione finale corretta.
Il nuovo software di Facebook, noto come DeepFace, esegue ciò che i ricercatori chiamano verifica facciale (riconosce che due immagini mostrano lo stesso viso), non riconoscimento facciale (dando un nome a un viso). Ma alcune delle tecniche sottostanti potrebbero essere applicate a questo problema, afferma Taigman, e potrebbero quindi migliorare l'accuratezza di Facebook nel suggerire chi gli utenti dovrebbero taggare in una foto appena caricata.
Tuttavia, DeepFace rimane per ora puramente un progetto di ricerca. Facebook pubblicato un documento di ricerca sul progetto la scorsa settimana, e i ricercatori presenteranno il lavoro al Conferenza IEEE su Computer Vision e Pattern Recognition nel mese di giugno. Stiamo pubblicando i nostri risultati per ottenere feedback dalla comunità di ricerca, afferma Taigman, che ha sviluppato DeepFace insieme ai colleghi di Facebook Ming Yang e Marc'Aurelio Ranzato e al professore dell'Università di Tel Aviv Lior Wolf.
DeepFace elabora le immagini dei volti in due passaggi. Innanzitutto corregge l'angolo di una faccia in modo che la persona nell'immagine sia rivolta in avanti, utilizzando un modello 3D di una faccia media che guarda in avanti. Quindi entra in gioco il deep learning quando una rete neurale simulata elabora una descrizione numerica del volto riorientato. Se DeepFace esce con descrizioni abbastanza simili da due immagini diverse, decide che devono mostrare la stessa faccia.
Le prestazioni del software finale sono state testate contro un set di dati standard che i ricercatori usano per confrontare il software di elaborazione del viso, che è stato anche usato per misurare come gli umani se la cavano a far corrispondere i volti.
Neeraj Kumar , un ricercatore dell'Università di Washington che ha lavorato alla verifica e al riconoscimento dei volti, afferma che i risultati di Facebook mostrano come la ricerca di dati sufficienti per alimentare una grande rete neurale può consentire miglioramenti significativi nel software di apprendimento automatico. Scommetto che gran parte del guadagno qui deriva da ciò che generalmente fornisce il deep learning: essere in grado di sfruttare enormi quantità di dati esterni in un modello di apprendimento con capacità molto più elevate, afferma.
La parte di deep learning di DeepFace è costituita da nove strati di semplici neuroni simulati, con più di 120 milioni di connessioni tra di loro. Per addestrare quella rete, i ricercatori di Facebook hanno sfruttato una piccola fetta di dati dalla scorta di immagini degli utenti della loro azienda: quattro milioni di foto di volti appartenenti a quasi 4.000 persone. Poiché hanno accesso a molti dati di questo modulo, possono addestrare con successo un modello ad alta capacità, afferma Kumar.