业界 | 腾讯AI Lab提出Face R-FCN与Face CNN，刷新人脸检测与识别两大测评记录

2017 年 12 月 20 日 机器之心

机器之心报道

参与：吴欣

据机器之心消息，腾讯 AI Lab 在大型人脸检测平台 WIDER FACE 与人脸识别平台 MegaFace 的多项评测指标中荣膺榜首，刷新行业纪录。此外，腾讯 AI Lab 已通过 arXiv 平台发表论文公开部分技术细节。

人脸检测是让机器找到图像视频中所有人脸并精准定位其位置信息，人脸识别是基于人脸图像自动辨识其身份，两者密切相关，前者是后者的前提和基础。在研究上，由于视角、光照、遮挡、姿态、年龄变化等复杂因素的干扰与影响，真实场景下的人脸检测与识别问题一直是一个极具研究价值与挑战性的国际性难题。而在应用上，其在政务、金融、安防等领域都具有极高价值。在人脸技术发展过程中，标准评测数据集的重要性不言而喻。参与标准数据集测试时，研究人员可在固定标准下，评估算法性能，并以此为方向推动技术不断发展。

此次，腾讯 AI Lab 分别在大型人脸检测平台 WIDER FACE 与人脸识别平台 MegaFace 的多项评测指标中荣膺榜首，刷新行业纪录。针对人脸检测与人脸识别，腾讯 AI Lab 分别推出了 Face R-FCN 算法与 Face CNN 算法。

腾讯 AI Lab 表示，该人脸技术已接入腾讯若干业务场景，每日技术调用量已超过 6 亿次。一个典型的应用场景是在互联网+公众服务领域，通过人脸验证完成身份自动鉴别的「刷脸办事」场景，方便百姓远程办事。

以下是对这两种算法的简要介绍。

人脸检测算法 Face R-FCN

WIDER FACE 目前是人脸检测领域最大、最具挑战性的人脸检测评测平台之一，由香港中文大学发布维护，共有 3.2 万张图像，39 万个标注的人脸，这些人脸具有很大程度的尺寸、姿态、角度和遮挡等变化，吸引了中科院、美国卡耐基梅隆大学和马里兰大学等知名机构参与测评。

据介绍，腾讯 AI Lab 针对人脸在尺度、光线、遮挡和角度等多维变化，有效改进深度全卷积神经网络，提升人脸检测精度和鲁棒性，推出人脸检测算法 Face R-FCN。该算法在 WIDER FACE 测试平台中使用官方指定训练集，即在完全公平竞争情况下评测不同参赛算法的性能时，在简单、中等及困难模式（Easy、Medium、Hard）的全部三个测试子集中均取得世界第一。

WIDER FACE 人脸图像示例，绿框是腾讯 AI Lab 算法检测结果，红框为官方标注结果

WIDER FACE 评测结果曲线，第一行为验证集结果，第二行为测试集结果：http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/WiderFace_Results.html

目前，介绍 Face R-FCN 算法部分技术细节的相关论文《Detecting Faces Using Region-based Fully Convolutional Networks》已经公布到 arXiv。

论文介绍到，Face R-FCN 主要是基于代季峰等人 NIPS 2016 论文中提出的 R-FCN，但 Face R-FCN 相比于后者更加准确、计算更高效。在 Face R-FCN 中，腾讯采用 ResNet 作为支柱网络，特别是腾讯采用了包括位置敏感平均池化、多尺度训练和测试、Online Hard Example Mining 等技术极大的改进了检测准确率。

基于 R-FCN 框架的 Face R-FCN 算法的综述。注意，里面用敏感位置平均池化技术取代了全局平均池化做最终的特征票决。

人脸识别算法 Face CNN

在人脸识别领域，MegaFace 是目前最权威热门的人脸识别评测平台之一，由美国华盛顿大学（University of Washington）发布维护，在百万规模人脸数据下，评定 1:N 辨识（Face Identification）和 1:1 验证（Face Verification）两大指标准确率。前者是在 N 个人数据库中找到 1 个目标人脸，后者是判断给定的两张人脸是否属于同一身份。基于评测数据规模多个评测指标上的优势，MegaFace 吸引了 Google、俄罗斯著名安防公司 Vocord、日本 NEC 和美国卡耐基梅隆大学等知名机构参与。

MegaFace 常规人脸数据样例

MegaFace 跨年龄人脸数据样例，是同一个人在不同年龄时拍摄的照片

腾讯 AI Lab 针对常规人脸识别和跨年龄人脸识别，在网络模型结构、特征学习等方面创新性改进，推出了人脸识别算法 Face CNN。该算法在 MegaFace 测试平台中使用官方指定训练数据，即在完全公平竞争情况下评测不同参赛算法的性能时，在 MegaFace Challenge 2（简称为 MF2）的所有测试任务均取得世界第一。MegaFace 含两个挑战，Challenge 1（MF1）可使用任何外部不限量的人脸数据来训练参赛算法，如谷歌使用亿级数据，其他团队采用百万级数据，因此较难公平比较算法性能。Challenge 2（MF2）使用官方固定训练集，能更客观对比各算法情况。MF2 分为常规识别和跨年龄识别两个子任务，分别使用 FaceScrub 和 FGNET 测试集，将 1:N 辨识和 1:1 验证的准确率视为两项关键评测指标。

腾讯 AI Lab 表示，Face CNN 算法的相关技术解读目前还未公开，但将在未来陆续公布。