Распознавание выражений лиц закрытых лиц с помощью сверточных нейронных сетей (CNN)
Распознавание выражения лица человека, носящего гарнитуру VR
Это резюме исследования - лишь одно из многих, которые еженедельно распространяются в информационном бюллетене для ученых в области ИИ. Чтобы начать получать еженедельную рассылку, зарегистрируйтесь здесь.
Технология распознавания лиц потрясающая. Это одно из тех достижений, которое показывает, как машина может действовать разумно, распознавая человеческое лицо от многих других.
Несколько лет назад группа исследователей Массачусетского технологического института показала, как машина может инстинктивно и точно идентифицировать изображение, а также может распознавать лицо, даже если оно повернуто примерно на 45 градусов от центра, вправо или влево. DeepFace от Facebook был назван одной из самых умных систем идентификации лиц с точностью 97%. Затем был FaceNet от Google, который, как утверждалось, обеспечивает почти 100-процентную точность распознавания лиц.
Кроме того, существует технология распознавания лиц, позволяющая определять лица, выражения лиц, а также эмоциональные состояния. Распознавание мимики в настоящее время является активно изучаемой проблемой компьютерного зрения благодаря множеству приложений, включая взаимодействие человека с компьютером, понимание поведения, обнаружение расстройств и т. Д. Что ж, на нормальных лицах легко определить выражение лица, но что, если лицо человека закрыто?
Достижение распознавания выражения лица в условиях сильной окклюзии
Исследователи из Бухарестского университета в Румынии представили подход, основанный на сверточных нейронных сетях (CNN) для распознавания выражения лица в сложных условиях с тяжелыми окклюзиями.
Они выбирают две предварительно обученные модели CNN, а именно VGG-f и VGG-face, и настраивают их в два этапа. На первом этапе они настраивают модели CNN на изображениях с анфасами. Кроме того, они настраивают модели на изображениях, на которых верхняя половина лица закрыта на втором этапе. Все модели обучаются с использованием увеличения данных, основанного на включении горизонтально перевернутых изображений. Чтобы предотвратить переобучение, они используют тренировку Dense-Spare-Dense (DSD).
Возможное использование и эффекты
Предлагаемый фреймворк может значительно улучшить производительность распознавания закрытых лиц. Исследователи специально работали над распознаванием выражения лица человека, носящего гарнитуру виртуальной реальности (VR), что является сложной настройкой, поскольку она закрывает верхнюю часть лица. Их подход, заставляющий нейронные сети фокусироваться на нижней части лица, дает гораздо более высокие показатели точности, чем обычные модели, обученные на всех лицах.
Как правило, фреймворк улучшает стандартную систему распознавания выражения лица, предоставляя способ справиться с закрытыми лицами, что является серьезной проблемой.
Подробнее: Распознавание выражений лиц закрытых лиц с помощью CNN
