终极CGFinal · 打造精彩的设计网站
当前位置: 主页 > CG业界 > 百度机器人对战人类最强大脑,赢在了小数点后第二位

百度机器人对战人类最强大脑,赢在了小数点后第二位

发布时间:2017-01-09 00:30内容来源:终极CGFinal 点击:

自动播放

第1期:人机大战人类认怂?刘国梁怒斥怯战选手,章子怡黑脸

正在加载...

【AI世代编者按】1月6日江苏卫视《最强大脑》,上演了一场精彩的人机对决,这次的战场不再是围棋,而是人脸识别。

百度机器人对战人类最强大脑,赢在了小数点后第二位

人类的出战代表为王峰(),其为90后世界记忆大师,《最强大脑》名人堂轮值主席。

2015年以队长身份参加《最强大脑第二季》,在《最强大脑》中德国际对抗赛中,王峰率领中国代表队4:0完胜德国队,本人以一敌二,并打破快速记忆扑克牌世界纪录。

机器的一方则是百度机器人“小度”,百度大脑在人工智能领域的很多研究成果都植入到其身上。

“百度大脑”已建成超大规模的神经网络,拥有万亿级的参数、千亿样本、千亿特征训练,能模拟人脑的工作机制。百度大脑如今智商已经有了超前的发展,在一些能力上甚至超越了人类。

在人脸识别技术的国际测评中,百度最高能达到99.77%的准确率,2015年曾获得过两次世界第一。而人机大战的第一场就是PK人脸识别。

“小度”将与名人堂选手约战三场,主要在人脸识别、语音识别上面PK,前三期人机大战,采用三局两胜制,如果百度大脑全胜,将参加角逐最后的脑王争霸。

第一轮:跨年龄识别

嘉宾(章子怡)从20张蜜蜂少女队成员童年照中挑出3张高难度照片,选手通过动态录像表演将所选童年照和在场的成年少女向匹配。选择正确者得1分。

蜜蜂少女队人员众多且每个人在赛场上化妆表演, 不排除有微整形、戴美瞳等因素干扰。

此外,挑选的童年照都在0-4岁范围内,与现在成年少女队的年龄跨度比较大。

同时,比赛现场有实时照片传输、现场摄影机捕捉人脸图像晃动、灯光干扰等因素都会影响人工智能的识别准确率。

最为困难的是,蜜蜂少女队人员中有一对双胞胎,恰巧被现场嘉宾抽中。

百度机器人对战人类最强大脑,赢在了小数点后第二位

最终,事先并不知情的王峰未能从双胞胎中区分出差别,导致判断错误,第一轮得0分。

百度机器人对战人类最强大脑,赢在了小数点后第二位

百度机器人对战人类最强大脑,赢在了小数点后第二位

而百度机器人则给出了两个结果,区别是相似度仅相差0.01%,相似度较高那个最终被证明是正确答案,从而拿到第一轮的1分。

第一轮过后,人机大战的比分是1:0,人类暂时落后。

第二轮:千脸跨年龄识别

人机共同观察一位30岁以上的观众,随后将他从30张小学集体照中找出。这一轮在上一轮的基础上增加了难度,因此分值提高,选择正确者得2分。

百度机器人对战人类最强大脑,赢在了小数点后第二位

这一回合样本容量大,30张集体照大约需要在1000-2000个人脸中找到对应的人,年龄跨度也覆盖在80、90后等年龄层中。

百度机器人对战人类最强大脑,赢在了小数点后第二位

最终,机器和王峰先后在合照中正确识别出了嘉宾选择出的观众,均得2分。加上第一轮的得分,机器最终得3分,王峰得2分。

经过两轮角逐,百度机器人以微弱优势胜出,王峰为双胞胎那万分之一的差别付出了代价。

人脸识别的技术难点

人类大脑从上百万年前开始就拥有了人脸识别的能力,而机器没有直觉,也并没有久远的进化历史,只能靠分析数据来学习。

计算机只认识0和1,所以它必须通过无数次的学习来找到人类直觉的规律并将它转变成0和1存储在脑子里,从而模拟人类通过直觉思考的过程。

人脸识别技术研究的困难,不同于普通的图像识别。就人的脸部特征而言,每个人的脸部结构都是相似的,这对于利用人脸区分人类个体不利,还有一些特殊情况,比如双胞胎甚至多胞胎。

其次就是表情、光照条件、整容等外因影响。不同的表情、角度观察,光照条件的影响,人脸遮盖物,如口罩、墨镜、头发、胡须,甚至是整容、P图等行为,都增加了人脸识别的难度。

而对双胞胎的识别,技术上就更困难了。

人脸识别是在脸部骨骼上取尽可能多的点,通过计算机把这些点分别与自己已经存储的脸比较,有差别就判断出来了。因为双胞胎骨骼太相似,导致差别特别细微,所以取的面部骨骼点不够多的话是识别不出来的。

人脸识别主要步骤

百度机器人对战人类最强大脑,赢在了小数点后第二位

(以比赛为例,现场小度识别蜜蜂少女成员的原理流程图)

具体分解如下:

Step 1 人脸检测:

根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸,即在在一副图像或一序列图像(比如视频)中判断是否有人脸,若有则返回人脸的大小、位置等信息。

百度机器人对战人类最强大脑,赢在了小数点后第二位

Step 2 人脸图像预处理:

系统获取的原始图像由于受到各种条件的限制和随机干扰,往往不能直接使用,必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。

人脸图像的预处理主要包括人脸对准,人脸图像的增强,以及归一化等工作。

人脸对准是为了得到人脸位置端正的人脸图像;

图像增强是为了改善人脸图像的质量,不仅在视觉上更加清晰图像,而且使图像更利于计算机的处理与识别。

归一化工作的目标是取得尺寸一致,灰度取值范围相同的标准化人脸图像。

百度机器人对战人类最强大脑,赢在了小数点后第二位

【人脸图像的预处理】

Step 3 人脸图像特征提取:

人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取,也称人脸表征,它是对人脸进行特征建模的过程。

百度机器人对战人类最强大脑,赢在了小数点后第二位

Step 4 人脸图像匹配与识别:

人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。这一过程又分为两类:

一类是人脸确认,是一对一进行图像比较的过程,将某人面像与指定人员面像进行一对一的比对,根据其相似程度(一般以是否达到或超过某一量化的可信度指标/阀值为依据)来判断二者是否是同一人。

顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------