L'algoritmo di rilevamento dei volti è impostato per rivoluzionare la ricerca di immagini

Nel 2001, due informatici, Paul Viola e Michael Jones, hanno innescato una rivoluzione nel campo del rilevamento dei volti dei computer. Dopo anni di stagnazione, la loro svolta è stata un algoritmo in grado di individuare i volti in un'immagine in tempo reale. In effetti, il cosiddetto algoritmo Viola-Jones era così semplice e veloce che fu presto integrato nelle fotocamere point and shoot standard.

Parte del loro trucco consisteva nell'ignorare il problema molto più difficile del riconoscimento facciale e concentrarsi solo sul rilevamento. Si sono inoltre concentrati solo sui volti visti di fronte, ignorando quelli visti da un angolo. Dati questi limiti, si resero conto che il ponte del naso di solito formava una linea verticale più luminosa delle orbite vicine. Notarono anche che gli occhi erano spesso in ombra e quindi formavano una fascia orizzontale più scura.

Quindi Viola e Jones hanno creato un algoritmo che cerca prima le bande luminose verticali in un'immagine che potrebbe essere il naso, quindi le bande scure orizzontali che potrebbero essere gli occhi, quindi cerca altri modelli generali associati ai volti.

Rilevati da soli, nessuno di questi tratti è fortemente indicativo di un volto. Ma quando vengono rilevati uno dopo l'altro in una cascata, il risultato è una buona indicazione di un volto nell'immagine. Da qui il nome di questo processo: una cascata di rivelatori. E poiché questi test sono tutti semplici da eseguire, l'algoritmo risultante può funzionare rapidamente in tempo reale.

Ma mentre l'algoritmo Viola-Jones è stato una sorta di rivelazione per i volti visti di fronte, non può individuare con precisione i volti da nessun'altra angolazione. E questo limita fortemente il modo in cui può essere utilizzato per i motori di ricerca di volti.

Ecco perché Yahoo è interessato a questo problema. Oggi, Sachin Farfade e Mohammad Saberian degli Yahoo Labs in California e Li-Jia Li della vicina Stanford University, rivelano un nuovo approccio al problema che può individuare i volti ad angolo, anche se parzialmente occlusi. Dicono che il loro nuovo approccio sia più semplice di altri e tuttavia raggiunga prestazioni all'avanguardia.

Farfade e co usano un approccio fondamentalmente diverso per costruire il loro modello. Sfruttano i progressi compiuti negli ultimi anni su un tipo di apprendimento automatico noto come rete neurale convoluzionale profonda. L'idea è quella di addestrare una rete neurale a più livelli utilizzando un vasto database di esempi annotati, in questo caso immagini di volti da molte angolazioni.

A tal fine, Farfade e co hanno creato un database di 200.000 immagini che includeva volti con diverse angolazioni e orientamenti e altri 20 milioni di immagini senza volti. Hanno quindi addestrato la loro rete neurale in lotti di 128 immagini su 50.000 iterazioni.

Il risultato è un unico algoritmo in grado di individuare i volti da un'ampia gamma di angolazioni, anche quando sono parzialmente occlusi. E può individuare molti volti nella stessa immagine con notevole precisione.

Il team chiama questo approccio Deep Dense Face Detector e afferma che si confronta bene con altri algoritmi. Abbiamo valutato il metodo proposto con altri metodi basati sul deep learning e abbiamo dimostrato che il nostro metodo si traduce in risultati più rapidi e accurati, dicono.

Inoltre, il loro algoritmo è significativamente migliore nell'individuare i volti capovolti, qualcosa che altri approcci non hanno perfezionato. E dicono che può essere migliorato ancora con set di dati che includono più facce capovolte. Stiamo pianificando di utilizzare migliori strategie di campionamento e tecniche di aumento dei dati più sofisticate per migliorare ulteriormente le prestazioni del metodo proposto per rilevare facce occluse e ruotate.

Questo è un lavoro interessante che mostra la velocità con cui sta procedendo il rilevamento dei volti. La tecnica della rete neurale convoluzionale profonda ha solo un paio di anni e ha già portato a importanti progressi nel riconoscimento di oggetti e volti.

La grande promessa di questo tipo di algoritmo è nella ricerca di immagini. Al momento, è semplice cercare immagini scattate in un luogo specifico o in un determinato momento. Ma è difficile trovare immagini scattate a persone specifiche. Questo è un passo in quella direzione. È inevitabile che questa capacità sia con noi in un futuro non troppo lontano.

E quando arriverà, il mondo diventerà un posto molto più piccolo. Non sono solo le immagini future che diventeranno ricercabili, ma l'intera storia delle immagini digitalizzate, inclusi vasti archivi di video e filmati CCTV. Sarà una forza potente, in un modo o nell'altro.

Rif: arxiv.org/abs/1502.02766 : Rilevamento facciale multi-view utilizzando reti neurali convoluzionali profonde

nascondere