AI時代下的后人臉識別課件.pptx

《AI時代下的后人臉識別課件.pptx》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、AI時代下的后人臉識別關(guān)于在人工智能驅(qū)動下的人臉識別商業(yè)應(yīng)用的思考2017CONTENTS何為后人臉識別人臉識別的市場機會商業(yè)場景的探討1PART何為后人臉識別從1：1到1：N的跨越機器之眼傳統(tǒng)人臉識別各階段及特征90年代20142016有所突破優(yōu)化算法結(jié)合應(yīng)用產(chǎn)品簡單應(yīng)用單一轉(zhuǎn)折點優(yōu)化應(yīng)用軟件結(jié)合場景完善產(chǎn)品用戶體驗人臉識別技術(shù)已經(jīng)超過了人類水平高速發(fā)展期研究起步有概念有算法無產(chǎn)品無應(yīng)用20112015元年發(fā)展期強化算法應(yīng)用成熟企業(yè)用戶達(dá)成共識圖像分類，人的誤差是5%，技術(shù)現(xiàn)在最低的誤差已經(jīng)到2%－3%

2、概念升級應(yīng)用多元產(chǎn)品加速迭代人工智能驅(qū)動更清晰人工智能和人臉識別深度融合AI驅(qū)動人臉識別的發(fā)展人工智能（ArtificialIntelligence），英文縮寫為AI。廣義上的人工智能實際上等同于機器智能，通俗的解釋就是就是賦予機器以人的智慧，讓機器像人一樣學(xué)會思考。機器學(xué)習(xí)(MachineLearning,ML)是人工智能的一個研究分支，主要是設(shè)計和分析一些讓計算及自動獲取知識的算法，涉及到概率論、統(tǒng)計學(xué)、逼近論等多個領(lǐng)域。深度學(xué)習(xí)(DeepLearning,DL)又是機器學(xué)習(xí)的一個分支，可以理解為用計

3、算機的算法模擬人類大腦的深度神經(jīng)網(wǎng)絡(luò)，然而對于神經(jīng)網(wǎng)絡(luò)我們還沒有一個嚴(yán)格的定義，但其特點是試圖模仿大腦的神經(jīng)元之間傳遞，處理信息的模式。人的大腦需要借助各種感官，如眼睛、耳朵等，感知外界信息，然后進行判斷，這其中用機器來代替人眼來做測量跟判斷的動作，稱為機器視覺，機器視覺是人工智能學(xué)科中發(fā)展的最為快速的分支，而人臉識別技術(shù)就是機器視覺最富有挑戰(zhàn)性的課題之一。在深度學(xué)習(xí)誕生前，人臉識別研究人員試圖不斷改進、提高計算機識別人臉的能力，但相對人類本身所具有的人臉識別能力仍然望塵莫及。直到2012年，深度學(xué)習(xí)開始

4、影響人臉識別技術(shù)的發(fā)展，基于深度卷積神經(jīng)網(wǎng)絡(luò)的方法在不斷突破人工智能算法的世界紀(jì)錄。人工智能對精準(zhǔn)識別算法的影響通過人工智能---深度學(xué)習(xí)---算法刷新算法其實目前依然處在高速發(fā)展期，非常典型的案例：在200類物體的檢測、識別這項任務(wù)，隨便給一張照片進行內(nèi)容辨識，識別什么樣的物體在什么樣的位置。這是一個完全不受控的算法問題，物體之間有相互遮擋，有形變，非常困難。2013年，這項任務(wù)的平均精度只有22%。但是深度學(xué)習(xí)出現(xiàn)后，2014年Google就到了43%的精度，提升一倍。2015年，國內(nèi)某公司的算法又高

5、出了Google7個點，半年后，微軟的算法又提高了十幾個點，而現(xiàn)在，最新的結(jié)果又提升了4個點。這樣快速的算法提升，在2011年往前，一年提升一到兩個點已經(jīng)很了不起了。人工智能給人臉識別蛻變創(chuàng)造條件后人臉識別就是要完美實現(xiàn)1：N在實際應(yīng)用場景中，我們通常會提到兩個概念：即1:1和1:N靜態(tài)比對1:1，你就是你。1:N的概念則是在N個人中找出你。這里的N是一個數(shù)據(jù)庫，里面有無數(shù)張人臉信息，那么計算機要做的就是在無數(shù)的人臉中找到你是誰。1:N具有動態(tài)比對和非配合的特點。所謂的動態(tài)也就是識別的不是照片，不是圖片，

6、而有可能是一個動態(tài)的視頻流。動態(tài)人臉識別和處理海量數(shù)據(jù)將是未來發(fā)展的趨勢。數(shù)據(jù)量：2000年至今互聯(lián)網(wǎng)及移動互聯(lián)網(wǎng)的高速發(fā)展使得數(shù)據(jù)實現(xiàn)了量的積累，據(jù)IDC預(yù)測，2020年全球的大數(shù)據(jù)總量將為40ZB，其中有七成將會以圖片和視頻的形式進行存儲，這為人工智能的發(fā)展提供了豐厚的土壤。深度學(xué)習(xí)算法：多倫多大學(xué)教授GeoffreyHinton（致力于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)研究）的學(xué)生在業(yè)內(nèi)知名的圖像識別比賽ImageNet中利用深度學(xué)習(xí)的算法將識別錯誤率一舉降低了10%，甚至超過了谷歌，深度學(xué)習(xí)進而名聲大噪。2015

7、年，微軟亞洲研究院視覺計算組在該項比賽中奪冠，將系統(tǒng)錯誤率降低至3.57%，已經(jīng)超過了人眼。高性能計算：GPU響應(yīng)速度快、對能源需求低，可以平行處理大量瑣碎信息，并在高速狀態(tài)下分析海量數(shù)據(jù)，有效滿足人工智能發(fā)展的需求。一次人臉識別算法的迭代訓(xùn)練，用CPU計算，可能要十幾天乃至幾十天才能完成，效率低、投入高，使得人工智能將創(chuàng)業(yè)公司阻隔在外；但是換成GPU后，可能就只需要幾小時?；A(chǔ)設(shè)施成本：云計算的普及和GPU的廣泛使用，極大提升了運算效率，也在一定程度上降低了運營成本。IDC報告顯示，數(shù)據(jù)基礎(chǔ)設(shè)施成本正在

8、迅速下降，從2010年的每單位9美元下降到了2015年的0.2美元?，F(xiàn)實機器之眼基礎(chǔ)條件日趨成熟商業(yè)模式創(chuàng)新大數(shù)據(jù)高新能計算深度學(xué)習(xí)讓機器看懂世界核心算法+海量數(shù)據(jù)后人臉識別帶來的不只是改變2PART后人臉識別市場機會誰會成為下一只獨角獸人工智能也有初創(chuàng)公司的春天吳恩達(dá)為初創(chuàng)公司描繪了一個發(fā)展路線圖：“你進入了某一垂直領(lǐng)域，開發(fā)了一個功能不錯的產(chǎn)品并吸引到了第一批用戶，這批用戶從而為你帶來了更多數(shù)據(jù)。這就形成了一個良性循環(huán)。你