王止观,苏宁美国研究院高级构架师。
随着深度学习的广泛发展,人脸识别的准确率有了巨大的飞跃。计算机通过自我学习得到的人脸特征更为可靠。将深度学习应用到人脸特征提取,使得人脸识别的精度有了进一步的提高。 VGGNet、GoogLeNet、ResNet 是现今普遍流行的深度卷积神经网络(CNN)架构,基于这些架构训练出的的人脸识别模型,在公共数据集 LFW(Labeled Face in the Wild)都得到了不错的效果。研究发现 ResNet 残差网络的结构可以加快收敛速率,提高训练速度和性能。而 GoogleNet 中的 Inception 模块,通过同一层中不同大小的卷积核可以得到不同尺度的特征。将 GoogleNet 中的 Inception 模块和 ResNet 相结合得到新的架构,可以进一步提高人脸识别模型的精确度。嘉宾及其团队在此架构的基础上,训练出的新的人脸识别模型,在人脸识别公共数据集 LFW 达到了 99.63% 的准确率。