面部识别

使用深度学习方法实现面部表情包识别

1、动机

人类面部表情丰富,但可以总结归纳为 7 类基本表情: happy, sad, surprise, fear, anger, disgust, and neutral。面部表情是通过面部肌肉活动表达出来,有些比较微妙且复杂,包含了大量内心活动信息。通过面部表情识别,我们能简单而低成本地度量出观众/用户对内容和服务的态度。例如,零售商使用这些度量评估客户的满意度。健康医疗提供商能在治疗的过程根据病人的表情状态来提高服务。娱乐厂商能够监控观众的喜欢来持续的生产优质的内容。

“2016 is the year when machines learn to grasp human emotions” --Andrew Moore, the dean of computer science at Carnegie Mellon.

训练过的人类很容易读懂其他人的情绪。事实上,只有 14 个月大的婴儿就可以区别出 happy 和 sad 的区别。但是计算机能够比人类在识别情绪上做的更好吗?为了找到答案,我们设计一个深度神经网络使得机器可以读懂人类情绪。换句话说,给机器以“眼”识别面部表情。

2、语料数据

我们知道警察中有一类人是通过目击者的描述,绘画出犯罪嫌疑人的样貌从而使警方更快的破案。但在现实生活中不是每个目击者都能很详细的描述出犯罪嫌疑人的样子,而现在来自加州理工学院的研究人员通过对猴子大脑细胞的监控,发现记忆或可重新绘制人脸图像,今后将可能帮助到警方破案。

靠记忆绘制人脸图像?这项脸细胞技术让犯罪分子笑不出来

据了解,通过使用功能性磁共振成像技术,大脑的6个区域被证实与记忆识别过程有关,研究人员将这些区域的神经元细胞称为“脸细胞”。在一项试验中,研究人员在猴子的大脑中连接了电极,记录大脑对不同图像的反应,他们发现一共有205个神经元参与了对一张脸不同特征的编码过程,而如果将这个过程和AI学习技术整合后,就可能合成与大脑细胞记忆图像非常接近的画面。

同步内容
--电子创新网--
粤ICP备12070055号