人脸识别原来是这样完成的 – 作者:博特智能内容安全实验室

你知道最早的刑侦手段，基本都是采取严刑逼供吗？李昌钰博士首开以科学证据将嫌犯定罪之先河，屡破奇案。他所领导的实验室，也成为具有国际水准的州级刑事鉴定机构。而随着人脸和图像识别技术支持的人工智能兴起，该功能正越来越多地应用于监视和安全系统、数据验证、跟踪和数据分析，这大大增加了该领域创新研究和开发的投资。未来几年，该技术更有可能在其他几个地方促进颠覆性技术市场的增长。

那么，你了解互联网人脸识别技术吗？

博特智能内容安全实验室——周教授

讲解Retinanet检测模型在图片识别中的应用

在针对图片的审核中，一些图片中违规内容不是很明显的情况下，需要用到图片检测功能，比如：人群中有人持有、刀具、国旗等情况。这些图不能通过对整张图做图片分类的方式，因为要检测的目标很小，只是图片的一部分内容。

图片检测采用的是Retinanet网络，下图为公开的框架图：

Retinanet实际上就是ResNet + FPN + 两个FCN子网络组合，再加上focal loss。

ResNet是一个解决了深度网络难以训练问题的网络模型，理论上说网络越深检测效果会越好，但是实际情况是网络越深，效果会越差。

单纯的叠加网络，网络的性能并不会一直增加，这是深度变大导致的梯度消失问题，ResNet（残差网络）就是把每层的映射关系由output = f(input)改成了out = f(input) + input，通过映射关系的修改能够弱化梯度消失带来的负面效应。

FPN（特征金字塔），识别不同大小的物体是计算机视觉中的一个基本挑战，特征金字塔的架构，它的设计思想就是同时利用低层特征和高层特征，分别在不同的层同时进行预测。

这是因为一幅图像中可能具有多个不同大小的目标，区分不同的目标可能需要不同的特征，对于简单的目标我们仅仅需要浅层的特征就可以检测到它。

两个FCN子网络用来完成目标框类别分类和边框回归任务。这两个子网络的结构相同，边框回归子网络和分类子网络设计是一样的，唯一不同最后一层通道数是4A个。

Retinanet是属于one stage目标检测类型，检测速度较快，比较适合内容审核中的图片违禁内容检测。

图BY：ANNA

由此，通过人工智能对目标进行识别与分类的任务，其实就是对目标的类别、属性作出某种判决。识别与分类技术可应用于图像识别、医疗诊断、生物识别、信号识别和预测。人脸识别是图像识别中的热门应用，检测模型的使用及开发，将是一个长期课题。

官网 | https://www.botsmart.cn/

微博 | BotSmart博特智能

知乎 | BotSmart博特智能

博特小管家 | 扫码预约 在线体验

该项服务由博特智能联合中科院相关实验室共同开发提供，博特智能是专注于信息内容安全领域的人工智能知识产品与服务提供商，这是一家以人工智能技术为导向，产学研一体化的高科技企业。

商务合作请投邮箱：[email protected]
咨询热线：400 819 6619

来源：freebuf.com 2020-08-19 21:07:57 by: 博特智能内容安全实验室