0
相信很多朋友都在網(wǎng)上看到過這樣一張圖：
Oh，不！是這個：
這個：
還有這個：
究竟是什么，讓原本只有一歲之差的兩個人被 AI 誤會為「形同父子」？是 AI 的「良知泯滅」，還是人類的「自食其果」？
接下來，就讓我們一起來嘮嘮 AI 人臉年齡識別的原理是什么！
要說識別與檢測，首先必須談到 AI 識別技術。自從人工智能概念開始火熱起來，AI 識別應用也是層出不窮，有 AI 人臉識別、AI 自動駕駛道路識別、AI 農作物管理識別，甚至在垃圾分類推行后，又推出了 AI 垃圾分類識別等應用。
而人臉年齡識別，則是在 AI 人臉識別技術的基礎上建立而得?？傮w來看，人臉識別算法的組成主要包含三部分，即：
人臉檢測（Face Detection）
人臉對齊（Face Alignment）
人臉特征表征（Feature Representation）
人臉檢測模塊在于重點處理「人臉定位」問題；人臉對齊則是實現(xiàn)「人臉變換」，得到統(tǒng)一角度與姿態(tài)的人臉；而人臉特征表征則是對人臉細節(jié)進行識別與處理，我們所要得到的人臉年齡識別功能也是在這一階段進行實現(xiàn)。
所以，開篇提到的人臉識別結果還真不能怪 AI 呢，AI 也是本分的老實人，只是根據(jù)識別規(guī)則處理圖片啦。但由此可以看得出，人臉識別技術確實還不夠成熟。
盡管現(xiàn)在我們看來人臉識別技術還存在技術上、安全上的隱患，但實際上人臉識別算法的發(fā)展，已經經歷了 3 個階段，包括：早期算法階段、人工特征設計階段、深度學習階段。
早期算法階段 20 世紀 60 年代，人臉識別工程化應用研究開啟。早期的算法主要利用了人臉的幾何結構進行辨識，通過將人臉圖像當做高維的向量進行投影實現(xiàn)對不同人產生不同的區(qū)分度。
人工特征設計階段 隨著機器學習理論的發(fā)展，研究者們相繼探索出了基于遺傳算法、支持向量機（Support Vector Machine，SVM）、boosting、流形學習、稀疏表達（Sparse Representation）以及核方法等進行人臉識別。其中的關鍵在于人工特征的設計，可以有效解決人臉姿態(tài)、表情發(fā)生變化時，精度嚴重下降的情況。
深度學習階段 近年來，由于深度學習的不斷發(fā)展，研究者利用卷積神經網(wǎng)絡（CNN）對海量的人臉圖片進行學習，然后對輸入圖像提取出對區(qū)分不同人的臉有用的特征向量，替代人工設計的特征。自此，Gabor 及 LBP 特征描述子成為人臉識別領域最為成功的兩種人工設計局部描述子，研究者們也一直在改進網(wǎng)絡結構，擴大訓練樣本規(guī)模，不斷提高 LFW 上的識別精度。
就像開篇所談，將人臉識別作為娛樂工具，也確實會給我們帶來很大的樂趣。但如果只是單純將這個技術用于娛樂大眾，那實在是對技術的浪費！
人臉識別的目標是確定一張人臉圖像的身份，這是機器學習和模式識別中的分類問題。它不但可以用在身份識別和身份驗證中，幫助找尋失蹤人口、追蹤嫌疑人、智能交互身份識別等場景；而且在證件查詢、出入考勤查驗、身份驗證解鎖、支付等場景中，也有廣泛的應用，并為我們的生活帶來極大的便利。
而且就在最近，深圳警方利用跨年齡人臉識別技術，根據(jù)一張 3 歲孩童的兒童照片找回了失蹤了十幾年的孩子，讓失散的家庭得以團聚。這都是科技為我們生活帶來的積極作用！
正是因為人臉識別技術應用十分廣泛，且于生活生產具有重大意義。我們也在 AI 研習社（社區(qū)）內，發(fā)起了人臉年齡識別挑戰(zhàn)賽。
通過這一比賽，參賽者不光可以從人臉識別中年齡單項切入，進行更深度的研究，同時這一比賽我們也給出了 5000+ 的豐厚獎金池。我們也非常希望通過這類比賽，能在一定程度上對人臉識別技術產生推動作用。
本次比賽給定數(shù)據(jù)集包含了大量的 1-70 歲人臉面部圖像，而參賽者的目標也非常簡單——利用訓練模型準確推測出人臉的年齡即可。
數(shù)據(jù)集下載鏈接：https://dwz.cn/xYDFd2IR
最終提交結果文件如下所示：
其中，第一個字段位為測試集圖片 ID，第二個字段為推測年齡（三位字段）。
整個比賽的評審完全透明化，我們將會對比選手提交的 csv 文件，確認正確分辨圖片樣本，并按照如下公式計算得分，其中：
True：模型分類正確數(shù)量
Total ：測試集樣本總數(shù)量
我們的工作人員也會在每日 24:00，將最新結果更新在官網(wǎng)排行榜上，你可以實時查看自己的排名情況。
更多信息，請點擊參賽地址查看：https://god.yanxishe.com/10
雷鋒網(wǎng) AI 開發(fā)者 雷鋒網(wǎng) 雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
