芯翌科技與清華大學(xué)自動化系智能視覺實驗室合作，發(fā)布了業(yè)界規(guī)模最大的人臉數(shù)據(jù)集WebFace260M，相關(guān)學(xué)術(shù)論文已經(jīng)被計算機(jī)視覺國際頂級會議CVPR 2021接收。該數(shù)據(jù)集完全基于全球互聯(lián)網(wǎng)公開人臉數(shù)據(jù)構(gòu)建，包含數(shù)百萬ID和數(shù)億圖片，旨在進(jìn)一步推動人臉識別相關(guān)技術(shù)的進(jìn)步，促進(jìn)智能化行業(yè)的發(fā)展，助力AI時代科技創(chuàng)新。
網(wǎng)站地址：https://www.face-benchmark.org
論文地址：https://arxiv.org/abs/2103.04098
隨著人工智能技術(shù)的不斷發(fā)展，越來越多生物識別技術(shù)融入到我們的日常生活中。人臉識別作為應(yīng)用最廣泛的生物識別技術(shù)，和指紋、虹膜等生物識別技術(shù)相比，以其非接觸、高精度、便捷的優(yōu)勢，廣泛落地于各行各業(yè)，是目前最受歡迎的生物認(rèn)證方式。
1
人臉數(shù)據(jù)集發(fā)布背景
近年來，得益于深度學(xué)習(xí)技術(shù)的發(fā)展，經(jīng)過業(yè)界多年來在數(shù)據(jù)集構(gòu)建、神經(jīng)網(wǎng)絡(luò)架構(gòu)、損失函數(shù)設(shè)計等方面的詳盡研究，人臉識別技術(shù)在識別精度上已經(jīng)取得了長足進(jìn)步，并實現(xiàn)了大規(guī)模落地。但當(dāng)前人臉識別仍然面臨公開數(shù)據(jù)規(guī)模小、標(biāo)準(zhǔn)混雜、測評無法對齊等問題。
其中，目前公開的人臉識別訓(xùn)練數(shù)據(jù)集中，規(guī)模最大的是MegaFace2和MS1M，分別僅擁有67.2萬ID和470萬圖片，以及10萬 ID和1000萬圖片，遠(yuǎn)遠(yuǎn)無法滿足實際人臉識別系統(tǒng)的數(shù)據(jù)需求?？梢哉f，公開數(shù)據(jù)規(guī)模與實際落地系統(tǒng)所需數(shù)據(jù)規(guī)模之間的巨大差距，已經(jīng)較大程度上阻礙了當(dāng)前人臉識別相關(guān)技術(shù)的持續(xù)發(fā)展。
另一方面，評測準(zhǔn)則和測試集也是影響人臉識別技術(shù)進(jìn)一步發(fā)展的重要制約因素。目前公開的人臉識別評測集，包括LFW、CFP、AgeDB、RFW、MegaFace、IJB系列等，在精度上基本已經(jīng)比較飽和。同時這些測試集對于人臉識別不同場景下的分類測評不夠細(xì)致，沒有持續(xù)迭代、升級和維護(hù)，也沒有根據(jù)實際應(yīng)用限制搭建評測準(zhǔn)則。
業(yè)界公認(rèn)，NIST-FRVT是一個完全獨立的第三方測評系統(tǒng)，它的測試集非公開，測評指標(biāo)分類詳盡，并且對提交頻次有嚴(yán)格限制和運行時間有嚴(yán)格要求，是目前唯一符合現(xiàn)實應(yīng)用的測評系統(tǒng)。然而，也由于NIST-FRVT對提交頻率和提交條件的嚴(yán)格要求，一定程度上也限制了人臉識別技術(shù)的發(fā)展。
2
WebFace260M數(shù)據(jù)集情況
基于當(dāng)前行業(yè)的現(xiàn)狀，芯翌科技與清華大學(xué)的研究人員在FRVT參賽基礎(chǔ)上，完全基于全球互聯(lián)網(wǎng)公開人臉數(shù)據(jù)，聯(lián)合推出了當(dāng)前全球規(guī)模最大的人臉數(shù)據(jù)集WebFace260M，人臉I(yè)D數(shù)目首次達(dá)到數(shù)百萬，圖片數(shù)目首次達(dá)到數(shù)億規(guī)模，將很大程度上推動以深度學(xué)習(xí)為基礎(chǔ)的人臉識別相關(guān)技術(shù)發(fā)展。
WebFace260M數(shù)據(jù)集和公開數(shù)據(jù)集
在人臉I(yè)D和數(shù)量上的比較
同時在WebFace260M的基礎(chǔ)上，芯翌科技和清華大學(xué)的研究人員采用自訓(xùn)練全自動迭代的清洗流程 （Cleaning Automatically by Self-Training, CAST），得到WebFace42M，是目前全球規(guī)模最大的可直接用于訓(xùn)練的干凈人臉數(shù)據(jù)集。該數(shù)據(jù)集包含200萬ID和4200萬圖片，ID數(shù)目和圖片數(shù)目相比目前使用最廣泛、最受認(rèn)可的公開數(shù)據(jù)集MS1MV2都提高了一個數(shù)量級以上。
針對目前人臉識別的評測問題，研究人員發(fā)布了更貼近實際應(yīng)用的”時間受限人臉識別評測準(zhǔn)則“-FRUITS （Face Recognition Under Inference Time conStraint），和分布更廣泛、更具挑戰(zhàn)性、分類更細(xì)致的人臉測試集，這將推動人臉識別評測更靠近真實場景。同時，研究人員將持續(xù)維護(hù)、迭代和升級該測試集以及評測系統(tǒng)，助力行業(yè)技術(shù)發(fā)展。
數(shù)據(jù)集共同作者、芯翌科技AI算法技術(shù)總監(jiān)黃冠表示：
基于發(fā)布的數(shù)據(jù)集、測試準(zhǔn)則和測試集，我們進(jìn)行了廣泛的實驗、對比和分析。分析結(jié)果表明，在新的高一個數(shù)量級的大規(guī)模數(shù)據(jù)、更貼近實際應(yīng)用的評測準(zhǔn)則、更具挑戰(zhàn)的測試集等多項內(nèi)容的綜合評判下，大規(guī)模人臉識別問題在算法、系統(tǒng)、數(shù)據(jù)、評測等各個方面，存在相當(dāng)多的問題需要學(xué)術(shù)界和工業(yè)界一起去探索和解決。
3
WebFace260M數(shù)據(jù)集指標(biāo)
基于WebFace260M清洗得到的WebFace42M數(shù)據(jù)，能夠在目前公開的、最具挑戰(zhàn)性的IJBC測試集上，達(dá)到新的SOTA （State-Of-The-Art），并把相對錯誤率降低了40%。
基于WebFace42M，在IJBC測試集上取得了SOTA的性能
同時，僅基于WebFace42M的數(shù)據(jù)，芯翌科技在2020年10月NIST-FRVT的榜單上，取得了1:1人臉識別評測綜合排名世界前三的成績。
更進(jìn)一步，以WebFace42M為基礎(chǔ)，在2021年3月最新一期的NIST-FRVT榜單上，芯翌科技在戴口罩人臉識別評測中以絕對優(yōu)勢獲得世界第一，并在1:1人臉識別評測綜合排名世界前三。
4
打造開放、共享、安全的數(shù)據(jù)生態(tài)
芯翌科技研發(fā)副總裁都大龍表示：
在數(shù)字經(jīng)濟(jì)和智能化時代，數(shù)據(jù)資源是最寶貴的生產(chǎn)資料。人們可能需要像對待傳統(tǒng)的生產(chǎn)資料，如土地資源、生產(chǎn)原料、工具設(shè)備等一樣，去規(guī)劃、生產(chǎn)、分享、交易、使用和保護(hù)新時代的生產(chǎn)資料——數(shù)據(jù)資源。
然而目前，國內(nèi)外普遍對數(shù)據(jù)資源這一重要的生產(chǎn)資料重視程度不夠，行業(yè)規(guī)范不足，分享壁壘嚴(yán)重，缺乏長期規(guī)劃。生產(chǎn)資料的匱乏，嚴(yán)重影響和制約了數(shù)字經(jīng)濟(jì)和智能化時代生產(chǎn)力的釋放，限制了行業(yè)的發(fā)展。
芯翌科技和清華大學(xué)的研究人員深刻認(rèn)識到數(shù)據(jù)資源對行業(yè)發(fā)展的重要性，合作推出了目前全球最大的公開人臉數(shù)據(jù)集——WebFace260M以及相應(yīng)的Benchmark。通過這個數(shù)據(jù)集，希望能夠助力AI時代科技創(chuàng)新，持續(xù)推動智能化產(chǎn)業(yè)落地。同時，也希望和整個學(xué)術(shù)界、產(chǎn)業(yè)界一起，打造智能化時代開放、共享、安全的數(shù)據(jù)生態(tài)。
END
推薦閱讀早報 | 特斯拉無法剎車撞上護(hù)欄，售后實測也撞了！最新甩鍋：地面濕滑；華為以及孟晚舟方有4個鐵證 ；何小鵬回應(yīng)怒懟馬斯克