泛化能力成人脸识别发展瓶颈 未来发展挑战与机遇并存
扫描二维码
随时随地手机看文章
作为人工智能技术的重要分支,人脸识别可谓是红透半边天,在安防领域,更是多次协助相关部门进行缉逃、侦查、寻找走失人口等工作。当下,人脸识别技术99%的识别准确率早已不是什么大新闻,各公司算法间准确率的差异仅仅体现在小数点上,技术可以说已经较为成熟。
在此背景下,配合带有深度学习计算能力的前后端硬件,开展前端数据的大量训练,才能实现产品和解决方案的落地。
泛化能力成为人脸识别发展的瓶颈
人脸识别技术长期面临着一个问题,即算法的泛化能力,这也是现阶段应用的主要瓶颈。
比赛中表现良好的模型在面对实际应用中千变万化的场景时,性能也会明显下降,尤其是无约束人脸识别,人脸往往有很多遮挡、光线不均匀的情况,表情、像素也不一样,面部姿态变化巨大,且还有静态和动态之分,算法限制很高。
因此,为推动人脸识别技术落地,往往会对场景进行严格定义,或者将算法定位为对指标不敏感的辅助功能。实际应用中,人证对比、人像采集等都需要设立具体的工程安装方案。不过,尽管这一做法推动了人脸识别技术的落地速度,但会造成较高的成本,影响人工智能算法对传统应用的渗透,也限制了获取信息的效率,不利于算法指标进一步提升。由此看来,人脸识别算法在实际应用过程中也有碎片化的特点。
人脸识别应用碎片化需求如何解决?
针对人脸识别技术碎片化的应用需求,软件的价值逐渐显现出来。相比硬件,软件具有高扩展性,尤其是在对接用户个性化需求方面,具有短、平、快的应用优势,客户可以按需定制,满足个性化需求。“软件定义”有望成为AI安防发展的重要推手。
除此以外,为推动人脸识别技术应用,安防行业龙头海康威视推出了AI开放平台,据悉,该平台拥有场景化的AI开放能力,只需基于少量数据,就能快速生成足以满足需要的应用,应用上线后再叠加新的数据做增量训练,从而实现算法的迭代与优化。值得一提的是,AI平台的开放可以吸引众多开发者,进而推出更多适合碎片化需求的应用,而更多类型的应用会吸引更多的客户,更多的客户又会反过来促使平台吸引更多的开发者,形成良性循环。人脸识别作为AI领域的重要技术,也将会随之进一步发展。
结语:目前,人脸识别技术基础和产品化已经较为成熟,因此下一阶段的命题就是如何系统化规模部署。不过,挑战与机遇并存,人脸识别仍然面临算法场景局限大的难题,能够在多大程度上解决这一问题,从而降低部署成本、开发深度应用,关系着人脸识别产品和方案能否真正在实际场景中落地生根。