Menggunakan AI untuk mencari orang tersayang yang terpisah selepas Holocaust! Jurutera Google membangunkan program pengecaman muka yang boleh mengenal pasti lebih daripada 700,000 foto lama Perang Dunia II

Adakah perniagaan baharu telah dibuka dalam bidang pengecaman wajah AI?

Kali ini, ia mengenai mengenal pasti wajah dalam foto lama dari Perang Dunia II.

Baru-baru ini, Daniel Patt, seorang jurutera perisian daripada Google, telah membangunkan teknologi pengecaman muka AI yang dipanggil N2N (Nombor dengan Nama), yang boleh mengenal pasti foto Eropah sebelum Perang Dunia II dan Holocaust, dan Mengaitkannya dengan moden orang ramai.

Menggunakan AI untuk mencari saudara yang telah lama hilang

Pada 2016, Pat mendapat idea apabila dia melawat Muzium Memorial Yahudi Poland di Warsaw.

Mungkinkah wajah-wajah aneh ini mempunyai pertalian darah dengannya

Tiga daripada datuk dan neneknya adalah mangsa yang terselamat dari Holocaust dari Poland, fikirnya Bantu nenek anda mencari foto ahli keluarga yang dibunuh oleh Nazi.

Semasa Perang Dunia II, disebabkan bilangan besar Yahudi Poland yang dipenjarakan di kem tahanan yang berbeza, ramai daripada mereka telah hilang.

Hanya dengan melihat foto yang kekuningan, sukar untuk mengenal pasti wajah di dalamnya, apatah lagi mencari saudara yang hilang.

Jadi, dia pulang ke rumah dan segera mengubah idea ini menjadi kenyataan.

Idea asal perisian ini adalah untuk mengumpul maklumat imej wajah melalui pangkalan data dan menggunakan algoritma kecerdasan buatan untuk membantu memadankan sepuluh pilihan teratas dengan persamaan tertinggi.

Kebanyakan data imej datang daripada Muzium Memorial Holocaust AS, dengan lebih sejuta imej daripada pangkalan data di seluruh negara.

Pengguna hanya perlu memilih imej dalam fail komputer, klik muat naik, dan sistem akan menapis secara automatik sepuluh pilihan teratas dengan imej padanan tertinggi.

Selain itu, pengguna juga boleh mengklik pada alamat sumber untuk melihat tahun, lokasi, koleksi dan maklumat lain imej tersebut.

Satu kelemahan ialah jika anda memasukkan imej aksara moden, hasil carian mungkin keterlaluan.

Inikah hasilnya? (Tanda soal hitam)

Pendek kata, fungsi sistem masih perlu diperbaiki.

Selain itu, Patt bekerjasama dengan pasukan jurutera perisian dan saintis data di Google untuk meningkatkan skop dan ketepatan carian.

Disebabkan risiko kebocoran privasi dalam sistem pengecaman muka, Patt berkata, "Kami tidak membuat sebarang penilaian identiti. Kami hanya bertanggungjawab untuk membentangkan keputusan menggunakan skor persamaan dan membenarkan pengguna membuat pertimbangan mereka sendiri ."

Pembangunan teknologi pengecaman wajah AI

Jadi bagaimanakah teknologi ini mengenali wajah?

Pada mulanya, teknologi pengecaman muka harus bermula dengan "cara untuk menentukan sama ada imej yang dikesan adalah wajah."

Pada tahun 2001, penyelidik penglihatan komputer Paul Viola dan Michael Jones mencadangkan rangka kerja untuk mengesan wajah dalam masa nyata dengan ketepatan yang tinggi.

Rangka kerja ini boleh berdasarkan model latihan untuk memahami "apa itu muka dan apa yang bukan muka".

Selepas latihan, model mengekstrak ciri khusus dan kemudian menyimpan ciri ini dalam fail supaya ciri dalam imej baharu boleh dibandingkan dengan ciri yang disimpan sebelum ini pada pelbagai peringkat.

Untuk membantu memastikan ketepatan, algoritma perlu dilatih pada "set data besar yang mengandungi ratusan ribu imej positif dan negatif," yang meningkatkan keupayaan algoritma untuk menentukan sama ada wajah berada dalam imej dan di mana ia ialah.

Jika imej yang dikaji melepasi setiap peringkat perbandingan ciri, wajah telah dikesan dan operasi boleh diteruskan.

Walaupun rangka kerja Viola-Jones sangat tepat untuk pengecaman muka dalam aplikasi masa nyata, ia mempunyai had tertentu.

Sebagai contoh, bingkai mungkin tidak berfungsi jika muka memakai topeng atau jika muka tidak berorientasikan dengan betul.

Untuk membantu menghapuskan kelemahan rangka kerja Viola-Jones dan meningkatkan pengesanan muka, mereka membangunkan algoritma tambahan.

Seperti rangkaian neural convolutional (R-CNN) berasaskan wilayah dan pengesan pukulan tunggal (SSD) untuk membantu meningkatkan proses.

Rangkaian saraf konvolusi (CNN) ialah rangkaian saraf tiruan yang digunakan untuk pengecaman dan pemprosesan imej, direka khusus untuk memproses data piksel.

R-CNN menjana cadangan rantau pada rangka kerja CNN untuk menyetempatkan dan mengklasifikasikan objek dalam imej.

Walaupun kaedah berasaskan rangkaian cadangan wilayah seperti R-CNN memerlukan dua tangkapan - satu untuk menjana cadangan wilayah dan satu lagi untuk mengesan setiap objek yang dicadangkan - SSD memerlukan hanya satu tangkapan untuk mengesan berbilang objek dalam imej. Oleh itu, SSD jauh lebih pantas daripada R-CNN.

Dalam beberapa tahun kebelakangan ini, kelebihan teknologi pengecaman muka yang dipacu oleh model pembelajaran mendalam adalah jauh lebih baik daripada kaedah penglihatan komputer tradisional.

Pengecaman muka awal kebanyakannya menggunakan algoritma pembelajaran mesin tradisional dan penyelidikan lebih tertumpu pada cara mengekstrak ciri yang lebih mendiskriminasi dan cara menjajarkan muka dengan lebih berkesan.

Dengan penyelidikan yang mendalam, peningkatan prestasi pengecaman muka algoritma pembelajaran mesin tradisional pada imej dua dimensi telah beransur-ansur mencapai kesesakan.

Orang ramai mula mengkaji masalah pengecaman muka dalam video, atau digabungkan dengan kaedah model tiga dimensi untuk meningkatkan lagi prestasi pengecaman muka, manakala segelintir sarjana mula mengkaji masalah pengecaman muka tiga dimensi. .

Di perpustakaan awam LFW yang paling terkenal, algoritma pembelajaran mendalam telah menembusi kesesakan algoritma pembelajaran mesin tradisional dalam prestasi pengecaman muka pada imej dua dimensi, dan untuk kali pertama kadar pengiktirafan telah Ditingkatkan kepada lebih daripada 97%.

Iaitu, menggunakan "model dimensi tinggi yang ditubuhkan oleh rangkaian CNN" untuk mengekstrak terus ciri pengenalan berkesan daripada imej muka input dan mengira secara langsung jarak kosinus untuk pengecaman muka.

Pengesanan muka telah berkembang daripada teknik asas penglihatan komputer kepada kemajuan dalam pembelajaran mesin (ML) kepada rangkaian saraf tiruan (ANN) yang semakin kompleks dan teknik berkaitan, menghasilkan peningkatan prestasi yang berterusan.

Kini ia memainkan peranan penting sebagai langkah pertama dalam banyak aplikasi kritikal - termasuk pengesanan muka, analisis wajah dan pengecaman muka.

Semasa Perang Dunia II, China juga mengalami trauma perang, dan ramai orang dalam gambar pada masa itu tidak dapat dikenal pasti lagi.

Bagi datuk nenek dan datuk nenek yang trauma akibat peperangan, ramai saudara mara dan rakan-rakan hilang.

Pembangunan teknologi ini boleh membantu orang ramai menyingkap tahun berdebu dan mencari keselesaan untuk orang pada masa lalu.

Rujukan: https://www.timesofisrael.com/google-engineer-identifies-anonymous-faces-in-wwii-photos-with-ai-facial-recognition/​

Atas ialah kandungan terperinci Menggunakan AI untuk mencari orang tersayang yang terpisah selepas Holocaust! Jurutera Google membangunkan program pengecaman muka yang boleh mengenal pasti lebih daripada 700,000 foto lama Perang Dunia II. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!