博觀智能登頂規模最大、檢測難度最高人臉檢測數據集WIDER FACE

2020-12-15 博觀智能

AI江湖風雲變幻 追求卓越永無止境

正如再厲害的功夫也需要參加武林大會一樣

參與公開數據集測試

是人工智慧公司驗證自身算法能力的

重要途徑

人臉識別作為計算機視覺領域中最熱門的派別

功夫紮實並且弟子眾多

而在人臉檢測領域眾多數據集測試中

WIDER FACE數據集測試

是公開的規模最大、檢測難度最高的

相當於人臉識別算法界的「華山論劍」

吸引了中國科技大學、百度、騰訊、京東等

各大門派的武林高手參與

9月27日

博觀智能人臉檢測算法團隊

突破多尺度、遮擋、多姿態下的人臉檢測等難題

刷新WIDER Face and Person Challenge 2019

人臉檢測開放榜單最佳成績

成為榜單中的第一高手

關於WIDER FACE人臉檢測數據集

WIDER FACE是目前業界公開的規模最大、檢測難度最高的人臉檢測數據集，由香港中文大學於2016年建立，按61個事件分類，涵蓋約40萬張人臉標註。

如圖所示，數據集應用極端的人臉尺寸變化、拍照角度引起的人臉姿態變化、不同程度的人臉遮擋、表情變化、光照強弱差異以及化妝等多種影響因素，各種角度的人臉與姿態變化大、遮擋嚴重，並存在多種風格的特點，是評估人臉檢測算法能力的權威數據集。而博觀此次刷新的WIDER Face and Person Challenge 2019是該數據集最新的開放榜單，是眾多研究機構與企業爭相挑戰的業界標杆。

關於博觀算法團隊如何如何突破業界難題

人臉檢測任務通常接受一張大圖，通過模型提取圖像特徵，並進行坐標回歸，最終得到全部人臉檢測框的位置。而在WIDER FACE數據集中，人臉像素小、表情複雜，給檢測算法提出了很高的要求。團隊通過在人工智慧算法技術領域的深入研發，基於自研AdaptNet深度網絡結構的不斷升級迭代，在人臉檢測算法的多領域取得了突破：

1、融合attention的FPN模塊：

在網絡的多尺度特徵圖融合時，採用自適應特徵加權替換了原來直接將特徵圖合併的方式，不僅使得淺層的位置信息更快傳遞到大目標的檢測特徵圖上，而且避免了不同解析度特徵圖互相干擾的情況，提高了大尺寸人臉的定位精度。對於不同姿態的人臉，每一個卷積擴張為1:1、1:2、2:1三種尺度，使之更容易學習到不同比例的人臉信息。

2、多階段訓練：

在數據集中，小像素的人臉比例較少，同樣模型對於小像素人臉的檢出率較差。算法團隊一方面將數據中的小像素人臉樣本提取出來做單獨的數據增強，另一方面，團隊進行了分階段訓練策略，單獨訓練大像素人臉和小像素人臉，最終再進行模型微調。這樣訓練的模型更容易收斂。

3、自對抗訓練：

博觀自研的網絡自對抗訓練算法，在模型中集成訓練。在訓練中期，將當前batch中未檢測到的目標提取出來，有效找出當前模型的缺陷，對這些困難樣本隨機貼圖再進行一輪額外訓練，對困難樣本的的檢出率得到了有效提升。

相關焦點

  • 中星微AI刷新WIDER FACE人臉檢測世界記錄
    摘要：近日，中星微AI自研的人臉檢測算法VIM_FD，在世界數據規模最大的權威人臉檢測平臺 WIDER FACE的人臉檢測競賽一舉奪得世界第一，彰顯中星微AI在人臉識別領域的創新能力和先進性。近日，中星微AI自研的人臉檢測算法VIM_FD，在世界數據規模最大的權威人臉檢測平臺 WIDER FACE的人臉檢測競賽一舉奪得世界第一，彰顯中星微AI在人臉識別領域的創新能力和先進性。這是中星微AI首次斬獲人臉檢測領域的世界第一的名次，也是中星微AI在檢測領域，階段性的重要研究成果。
  • 京東AI研究院在業界頂級人臉檢測榜單「WIDER FACE」三項評測排名...
    圖1 WIDER FACE數據集中不同難度的圖片樣例（圖片來自於WIDERFACE官網）「WIDER FACE」由香港中文大學舉辦，是目前人臉研究領域中規模最大、檢測難度最高的公開人臉檢測數據集之一。數據集涵蓋32203張圖片與393703張人臉標註，應用極端人臉尺寸變化、拍照角度引起的人臉姿態變化、不同程度的人臉遮擋、表情變化、光照強弱差異以及化妝等多種影響因素，極大地增加了圖像人臉檢測的難度。
  • 博觀智能再破世界紀錄 斬獲MOT20Det、MOT17Det多目標檢測雙第一
    12月28日，博觀智能(Bresee)在國際最權威的多目標跟蹤挑戰賽MOT(Multiple Object Tracking) Challenge上，斬獲MOT17Det和MOT20Det多目標檢測任務雙第一。
  • 世界權威人臉檢測WIDER FACE最新排名:創新奇智AInnoFace算法奪冠
    近日，世界權威的人臉檢測公開評測集WIDER FACE公布最新評測排名。（圖片來自於WIDER FACE官網，為方便讀者閱讀該排行榜，筆者標註了部分人臉檢測算法的研發企業和高校）WIDER FACE人臉檢測數據集人臉檢測是計算機視覺領域中非常熱門和非常挑戰的算法難題。人臉檢測也是人工智慧算法最重要的商業場景之一。
  • 百度登頂國際權威人臉偽造檢測數據集榜單
    近日，百度在權威DeepFake防偽數據集FaceForensics Benchmark上刷新紀錄，以整體檢測準確率0.821的成績超越SOTA，領跑行業。faceforensic-benchmark榜單結果FaceForensics Benchmark是德國慕尼黑工業大學（TUM）聯合Google等多家機構共同發布的大規模人臉偽造數據集，用於促進對人臉偽造檢測的學術研究，
  • 創新奇智AInnoFace算法刷新人臉檢測WIDER FACE榜單排名
    【網易智能訊 5月24日消息】近日，人臉檢測公開評測集WIDER FACE，使用了選擇性二階段回歸和分類（Selective Refinement Network）讓檢測結果的召回率更高並且產生的虛檢更少，融合了多種數據増廣策略使得最終的檢測模型更加魯棒，借鑑了標籤最大化操作（Max-out Label）讓分類預測結果更加準確從而降低虛檢，利用了改進的多尺度測試策略以更好地檢測不同尺度的人臉
  • 博觀智能ReID車輛識別達到97.59%,刷新多項世界紀錄
    在當今世界最大的車輛重識別數據集VERI-Wild上，博觀智能在首位命中率（Rank-1 Accuracy）、平均精度均值（Mean Average Precision，MAP）和MINP（Mean Inverse Negative penalty）三大指標上，均超越已公開的企業與科研機構，創造了新的世界紀錄
  • 商湯科技發布迄今最大人臉檢測數據集,絕殺Deepfake
    【新智元導讀】商湯研發部門SenseTime Research的研究人員與新加坡南洋理工大學合作，設計了一個新的大規模基準DeeperForensics-1.0來檢測人臉偽造，該基準是同類產品中最大的，質量和多樣性都很高，比其他數據集更加接近現實世界場景。
  • WIDER FACE評測結果出爐:滴滴人臉檢測DFS算法摘冠
    【TechWeb】4月26日消息，近日，世界權威的人臉檢測公開評測集WIDER FACE公布最新評測結果，滴滴AI Labs團隊聯合北京郵電大學PRIS團隊提出的人臉檢測DFS算法，在WIDER FACE的Easy、Medium和Hard三個評測子集的六項評估結果中, 超過了國內外眾多科技公司和高校院所
  • 人臉檢測+數據訓練+人臉識別
    import cv2 as cvdef face_detect_demo(): gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) face_detector = cv.CascadeClassifier('C:/Program Files (x86)
  • 機器學習 | 人臉關鍵點檢測
    它已經被編程來檢測你臉上的一些標記，並根據這些標記投射濾鏡。在機器學習中，這些標記被稱為人臉關鍵點。在本文中，我將指導您如何使用機器學習來檢測這些「面部坐標」。首先，我將簡單地從導入這個任務所需的所有庫開始。在本文中，我將使用PyTorch使用深度學習進行地標檢測。
  • 微眾銀行獲AI國際頂賽WIDER Face Challenge 2019賽道冠軍
    近日，微眾銀行自研的人臉引擎在國際AI頂賽WIDER Face and Person Challenge 2019的人臉檢測性能比賽（Face Detection Runtime）中，以0.2792的優異成績，力壓其他競爭對手，奪得冠軍。
  • Python系列之三——人臉檢測、人臉識別
    比詹小白還要白的童鞋可以查看往期文章進行了解噢1.人臉識別（一）——從零說起2.人臉識別（二）——訓練分類器3.人臉識別（二）——訓練分類器的補充說明4.人臉識別（三）——源碼放送一、人臉檢測      python版人臉檢測基本上可以參照C++版本的程序，根據語法不同進行改寫即可。
  • 吃瓜筆記 | 曠視研究院:被遮擋人臉區域檢測的技術細節(PPT+視頻)
    本篇論文所提出的Face Attention Network，是基於分層注意力機制的人臉圖像區域檢測器，能夠在不影響速度的情況下顯著提高被遮擋的人臉檢測問題的召回率。本期主講人為曠視研究院研究員袁野，同時也是論文共同一作，wider face legend board第一。主要負責face detection工作。
  • 分享幾個業界新出人臉識別數據集
    ，從目前人臉識別的難點出發，它們研究更加公平、適用場景更廣的人臉識別或活體檢測。一、FairFace-緩解種族偏見人臉數據集FairFace: Face Attribute Dataset for Balanced Race, Gender, and Age for Bias Measurement and Mitigation緩解種族偏見，FairFace 人臉圖像數據集，包含 108,501 張圖像，強調數據集中種族構成的均衡
  • 目標檢測之公開圖像數據集
    建立一個具有較小偏差的大數據集，對於開發先進計算機視覺算法是很重要的。相比於VOC和ILSVRC，MS-COCO最大的進步，除了boundingbox的標註，還有單個實例分割的標註，幫助更準確的定位。另外，MS-COCO包含了更多小目標（其面積小於圖像的1%）和更加密集的定位目標比VOC和ILSVRC。MS-COCO的這些特徵讓其目標分布更接近於真實的世界。MS-COCO已經在目標檢測社區變為了實際的標杆。
  • 史上最全 OpenCV 活體檢測教程!
    在這裡，我們首先回顧一下接下來將用來進行活體檢測的數據集，內容包括：如何構建用於活體檢測的數據集我們的真假人臉的圖像示例我們還將回顧針對活體檢測器項目的項目結構。因此，第 65 行獲取到了最高的人臉檢測索引的概率。第 66 行使用該索引提取出檢測的置信度（confidence）。
  • 人臉專集3 | 人臉關鍵點檢測(下)—文末源碼
    對於人臉關鍵點檢測和跟蹤，有從傳統方法向基於深度學習的方法轉變的趨勢。在早期的工作中（Wu, Y., Wang, Z., Ji, Q.: Facial feature tracking under varying facial expressions and face poses based on restricted boltzmann machines.
  • 手把手教你使用樹莓派實現實時人臉檢測
    因此，它非常適合使用攝像頭的實時人臉識別。要創建完整的人臉識別項目，我們必須完成3個階段：1）人臉檢測和數據收集；2）訓練識別器；3）人臉識別。如下圖所示：想更多地了解 OpenCV，請查看該教程：https://pythonprogramming.net/loading-video-python-opencv-tutorial/第4步：人臉檢測人臉識別的最基礎任務是「人臉檢測」。
  • 用 cv2 實現人臉檢測
    即某個數據被分為哪一類要由各分類器權值決定。我們需要從官網下載兩個Adaboost分類器文件，分別是人臉和眼睛的分類器。下載地址：https://github.com/opencv/opencv/tree/master/data/haarcascades代碼實現實現人臉識別的基本步驟：1.加載文件和圖片 2.進行灰度處理 3.得到haar特徵 4.檢測人臉 5.進行標記