據(jù)悉,湯曉鷗教授領(lǐng)導(dǎo)的計算機視覺研究組 (mmlab.ie.cuhk.edu.hk) 開發(fā)了一個名為DeepID的深度學(xué)習(xí)模型, 在LFW (Labeled Faces in the Wild)數(shù)據(jù)庫上獲得了99.15%的識別率,這也是有史以來首次超過99%的LFW識別率。
在此之前,,F(xiàn)acebook發(fā)布了另一套基于深度學(xué)習(xí)的人臉識別算法DeepFace,在LFW上取得了97.35%的識別率。本次湯曉鷗教授的研究團隊發(fā)布的DeepID在實驗數(shù)據(jù)的應(yīng)用數(shù)量上只有20萬,但是錯誤率更低。
在談到人臉識別領(lǐng)域的時候,湯曉鷗教授表示從學(xué)術(shù)上來講,人臉識別技術(shù)起到了一個標桿的作用,對于其他研究有著深度的借鑒意義。他同時表示,從2000年從事人臉識別技術(shù)研發(fā)開始,已經(jīng)有了10多年的科研經(jīng)驗,除了人臉識別之外,包括檢測、定位、表情、姿態(tài)等相關(guān)技術(shù)也有涉及。
湯曉鷗教授還特別談到了DeepID的主要內(nèi)容——deep learning,這是一種模仿人大腦的學(xué)習(xí)過程,是一項比較開創(chuàng)性的工作。DeepID的識別率要高于人眼,意味著替代人類做更可靠的工作,很多靠人工識別圖像的工作可以由機器承擔。
在談到NVIDIA的加速作用時,湯曉鷗教授表示——用了NVIDIA Tesla K40以后,GPU可以將計算時間提高幾十到上百倍,大大縮短模型生成過程的時間。就現(xiàn)有項目里的實際情況,原來30天的計算量,現(xiàn)在10個小時就可以完成。NVIDIA給了我們很多支持,我們要做成世界第一,最后我們也實現(xiàn)了。
在談到DeepID人臉識別技術(shù)的市場化時,湯曉鷗教授認為它將有助于提升智慧城市的實現(xiàn)速度。不過他也談到目前該項技術(shù)還僅限于小眾范圍應(yīng)用,大規(guī)模的普及還需要市場的檢驗。