从你的脸上说出一些东西:年龄,美丽和反欺骗!

从你的脸上说出一些东西:年龄,美丽和反欺骗!
图1.面部年龄,美容,姿势估计的演示。

在过去的几十年中,人脸分析由于其巨大的商业潜力而被彻底研究。例如,学习人脸的语义可以帮助我们更轻松,更有效地定位潜在客户。尽管人脸识别是用于监视系统或安全控制的成熟技术,但对于我们而言,了解捕获的图像是来自真实人物还是欺骗设备也至关重要。在此博客文章中,我们将讨论在台湾Ailabs和演示系统中所做的事情。

从外观上预测人类的年龄或美丽是非常主观的任务。男人/女人看起来可以比实际年龄年轻,而美丽甚至无法量化。尽管如此,了解近似的外观年龄和美感仍然有助于商品推荐。例如,推荐一个老人/女人一些软饮料可能不是一个好主意,也不能在儿童游乐区放置按摩椅。

在适当的监督下,有几种方法可以估算这两个值。分类告诉我们,我们可以使用独立的垃圾箱来表示年龄或美女分数的范围。这种方法的缺点是范围是手动设置的,可能会导致量化误差。另一方面,使用回归来预测连续值也很自然,但也可能导致没有约束的过度拟合。此外,面部姿势和分辨率也对预测性能产生巨大影响。上述挑战使年龄和美丽的预测变得更加困难。

方法:

年龄和美丽估计

为了解决上述挑战,同时实现非常低的成本,该演示系统基于CVPR2019中最新发布的FSA-Net [1]。它采用软分级回归(SSR)方案[2]来消除量化误差,同时保持较低的内存开销。 

对于训练,我们选择128x128x3作为裁剪后的面部分辨率,并放置辅助损失作为量化监督预测。

这种方案的缺点是,在不同的输入图像下可能会出现不稳定的预测。我们使用顺序帧选择管道来稳定最终预测。

从你的脸上说出一些东西:年龄,美丽和反欺骗!
图2.顺序帧选择管道。

最后,仅当检测到的脸部具有足够的分辨率且姿态角非常小时,才将其视为有效脸部,并继续进行估计。只要所选面部图像的质量高且分辨率高,就可以更改替换策略。

面部防欺骗

为了使用纯RGB图像实现反欺骗,我们将处理过程分为两个不同的任务,即手机检测和基于降噪的反欺骗估计。

从你的脸上说出一些东西:年龄,美丽和反欺骗!
图3.面部反欺骗管道。

我们采用著名的YOLOv3 [3]作为手机,笔记本电脑和显示器检测器的检测器。任务1定义为在电话区域内进行检测将被视为伪造的欺骗。taks 2会使用图像的质量和噪点来确定图像是真实的还是伪造的。

演示图片:

以下演示显示我们的系统可以很好地预测年龄和美丽

从你的脸上说出一些东西:年龄,美丽和反欺骗!
 图4.用于年龄和美容估计的演示图像。
从你的脸上说出一些东西:年龄,美丽和反欺骗!
图5.面部防欺骗的演示图像。(红色:伪造。蓝色:真实。)

小结:

诸如年龄和美丽之类的面部属性估计值是由标签数据主观确定的,但是对于商业分析和推荐仍然有用。对于人脸识别,反欺骗对于整个身份验证管道的安全性和鲁棒性也非常重要。我们实现了这些原型,以表明在这些主题上还有更多的潜力,而AI可以真正帮助人们根据这些估计做出更好的决策。

原创文章,作者:AIIAW,如若转载,请注明出处:https://www.aiiaw.com/1875.html