人臉檢測是讓機器找到圖像視頻中所有人臉并精準定位其位置信息，人臉識別是基于人臉圖像自動辨識其身份，兩者密切相關(guān)，前者是后者的前提和基礎(chǔ)。

騰訊AI Lab在國際最大、最難的人臉檢測平臺WIDER FACE與最熱門權(quán)威的人臉識別平臺MegaFace的多項評測指標中榮膺榜首，刷新行業(yè)紀錄，展現(xiàn)其在計算機視覺領(lǐng)域中，特別是人臉技術(shù)上的強勁實力。

研究上，目前騰訊AI Lab已通過arXiv平臺發(fā)表論文公開部分技術(shù)細節(jié)，促進企業(yè)與學界“共享AI”研究成果；應(yīng)用上，該技術(shù)已接入騰訊互聯(lián)網(wǎng)+公共服務(wù)平臺等多個應(yīng)用場景，每日技術(shù)調(diào)用量超六億次，未來有望更廣泛應(yīng)用到政務(wù)、金融、安防等多個領(lǐng)域，營造安全網(wǎng)絡(luò)環(huán)境，方便百姓遠程辦事。

人臉檢測是讓機器找到圖像視頻中所有人臉并精準定位其位置信息，人臉識別是基于人臉圖像自動辨識其身份，兩者密切相關(guān)，前者是后者的前提和基礎(chǔ)。在研究上，由于視角、光照、遮擋、姿態(tài)、年齡變化等復雜因素的干擾與影響，真實場景下的人臉檢測與識別問題一直是一個極具研究價值與挑戰(zhàn)性的國際性難題。而在應(yīng)用上，其在政務(wù)、金融、安防等領(lǐng)域都具有極高價值。

在人臉技術(shù)發(fā)展過程中，標準評測數(shù)據(jù)集的重要性不言而喻。參與標準數(shù)據(jù)集測試時，研究人員可在固定標準下，評估算法性能，并以此為方向推動技術(shù)不斷發(fā)展。

人 臉 檢 測 算 法 Face R-FCN

在WIDER FACE全部測試中斬獲第一

在人臉檢測領(lǐng)域，WIDER FACE是目前國際最大、最具挑戰(zhàn)性的人臉檢測評測平臺，由香港中文大學發(fā)布維護，共有3.2萬張圖像，39萬個標注的人臉，這些人臉在尺寸、姿態(tài)、角度和遮擋等有很大變化，吸引了中科院、美國卡耐基梅隆大學和馬里蘭大學等知名機構(gòu)參與測評。

WIDER FACE人臉圖像示例 - 綠框為騰訊AI Lab檢測結(jié)果，紅框為官方標注結(jié)果。

騰訊AI Lab針對人臉在尺度、光線、角度和遮擋上的多維變化，有效改進深度全卷積神經(jīng)網(wǎng)絡(luò)，提升人臉檢測精度和魯棒性，推出人臉檢測算法Face R-FCN。該算法在WIDER FACE測試平臺中使用官方指定訓練集，即在完全公平競爭情況下評測不同參賽算法的性能時，在簡單、中等及困難模式（Easy、Medium、Hard）的全部三個測試子集中均取得世界第一。目前算法Face R-FCN的部分技術(shù)細節(jié)已通過論文在arXiv平臺上發(fā)布。

WIDER FACE評測結(jié)果曲線，第一行是驗證集結(jié)果，第二行是測試集結(jié)果。

人 臉 識 別 算 法 Face CNN

在MegaFace Challenge 2所有測試斬獲第一

在人臉識別領(lǐng)域，MegaFace是目前最權(quán)威熱門的人臉識別評測平臺之一，由美國華盛頓大學（University of Washington）發(fā)布維護，在百萬規(guī)模人臉數(shù)據(jù)下，評定1:N辨識（Face Identification）和1:1驗證（Face Verification）兩大指標準確率。前者是在N個人數(shù)據(jù)庫中找到1個目標人臉，后者是判斷給定的兩張人臉是否屬于同一身份。基于評測數(shù)據(jù)規(guī)模和評測指標上的優(yōu)勢，MegaFace吸引了Google、俄羅斯著名安防公司Vocord、日本NEC和美國卡耐基梅隆大學等知名機構(gòu)參與。

MegaFace常規(guī)人臉數(shù)據(jù)樣例

MegaFace跨年齡人臉數(shù)據(jù)樣例，這是同一人不同年齡時照片

騰訊AI Lab針對常規(guī)人臉識別和跨年齡人臉識別，在網(wǎng)絡(luò)模型結(jié)構(gòu)、特征學習等方面創(chuàng)新性改進，推出了人臉識別算法Face CNN。該算法在MegaFace測試平臺中使用官方指定訓練數(shù)據(jù)，即在完全公平競爭情況下評測不同參賽算法的性能時，在MegaFace Challenge 2（簡稱為MF2）的所有測試任務(wù)均取得世界第一。Face CNN算法的相關(guān)技術(shù)解讀也將在未來陸續(xù)公布。

MegaFace含兩個Challenge，Challenge 1（MF1）可使用任何外部不限量的人臉數(shù)據(jù)來訓練參賽算法，如谷歌使用億級數(shù)據(jù)，其他團隊采用百萬級數(shù)據(jù)，較難公平比較算法性能。而Mega Face推出的新版Challenge 2（MF2）要求使用官方固定訓練集，能更客觀對比各算法的情況。MF2分為常規(guī)識別和跨年齡識別兩個子任務(wù)，分別使用FaceScrub和FGNET測試集，將1:N辨識和1:1驗證的準確率視為兩項關(guān)鍵評測指標。

MF2常規(guī)識別任務(wù)的辨識準確率（1:N）排名

MF2的常規(guī)識別任務(wù)的驗證準確率（1:1）排名

MF2的跨年齡識別任務(wù)的辨識準確率（1:N）排名

MF2的跨年齡任務(wù)的驗證準確率（1:1）排名

研 究 到 應(yīng) 用 迅 速 落 地

走「共享AI」之路

遵循與學界和行業(yè)“共享AI”成果的發(fā)展之路，騰訊AI Lab不斷推進研究到應(yīng)用迅速落地，縮短技術(shù)迭代時間，小步快跑構(gòu)建騰訊的AI核心競爭力。目前自研的人臉技術(shù)已接入騰訊若干業(yè)務(wù)場景，每日技術(shù)調(diào)用量已超過6億次。一個典型的應(yīng)用場景是在互聯(lián)網(wǎng)+公眾服務(wù)領(lǐng)域，通過人臉驗證完成身份自動鑒別的“刷臉辦事”場景，方便百姓遠程辦事，讓數(shù)據(jù)多跑路，百姓少跑腿，通過技術(shù)提升了公共服務(wù)的品質(zhì)與效率。

此外，在CVPR、ACL、ICML、NIPS和Nature子刊等衡量AI研究能力的頂級會議和期刊中，騰訊AI Lab今年被收錄論文110多篇，位居國內(nèi)企業(yè)前列。在應(yīng)用上，除了技術(shù)已經(jīng)落到微信、QQ、音樂和視頻平臺，還圍繞游戲、內(nèi)容和社交等核心業(yè)務(wù)突破，推出了圍棋AI“絕藝”并廣泛支持AI+醫(yī)療產(chǎn)品“騰訊覓影”。

關(guān)于騰訊AI Lab

騰訊AI Lab于2016年4月成立，是騰訊的企業(yè)級人工智能實驗室，專注于AI基礎(chǔ)研究與落地應(yīng)用的結(jié)合，借助騰訊豐富應(yīng)用場景、海量大數(shù)據(jù)、強大計算能力和一流科技人才等發(fā)展優(yōu)勢，為騰訊打造全面的AI能力，向“Make AI Everywhere”（讓AI無處不在）的愿景邁步。

騰訊AI Lab主任及第一負責人是機器學習和大數(shù)據(jù)專家張潼博士，副主任及西雅圖AI Lab負責人是語音識別及深度學習專家俞棟博士。目前深圳和西雅圖兩個實驗室共有70余位國際一流的AI科學家及300多位經(jīng)驗豐富的應(yīng)用工程師。

騰訊AI Lab的基礎(chǔ)研究專注機器學習、計算機視覺、語音識別和自然語言處理四大方向，技術(shù)應(yīng)用聚焦于內(nèi)容、游戲、社交和平臺工具型AI四個方向，目前已落地到微信、QQ、天天快報和QQ音樂等上百個騰訊產(chǎn)品。在行業(yè)落地上，圍棋AI“絕藝”及AI+醫(yī)療項目“騰訊覓影”等項目取得了突破性進展。