El algoritmo de detección de rostros listo para revolucionar la búsqueda de imágenes

En 2001, dos informáticos, Paul Viola y Michael Jones, desencadenaron una revolución en el campo de la detección de rostros por computadora. Después de años de estancamiento, su avance fue un algoritmo que podía detectar rostros en una imagen en tiempo real. De hecho, el llamado algoritmo Viola-Jones era tan rápido y simple que pronto se incorporó a las cámaras estándar de apuntar y disparar.

Parte de su truco fue ignorar el problema mucho más difícil del reconocimiento facial y concentrarse solo en la detección. También se enfocaron solo en las caras vistas desde el frente, ignorando las vistas desde un ángulo. Dados estos límites, se dieron cuenta de que el puente de la nariz generalmente formaba una línea vertical que era más brillante que las cuencas de los ojos cercanas. También notaron que los ojos a menudo estaban en la sombra y formaban una banda horizontal más oscura.

Así que Viola y Jones construyeron un algoritmo que busca primero bandas verticales brillantes en una imagen que podrían ser narices, luego busca bandas oscuras horizontales que podrían ser ojos, luego busca otros patrones generales asociados con caras.

Detectados por sí mismos, ninguno de estos rasgos sugiere fuertemente un rostro. Pero cuando se detectan uno tras otro en cascada, el resultado es una buena indicación de un rostro en la imagen. De ahí el nombre de este proceso: una cascada de detectores. Y dado que estas pruebas son fáciles de ejecutar, el algoritmo resultante puede funcionar rápidamente en tiempo real.

Pero si bien el algoritmo de Viola-Jones fue una especie de revelación para los rostros vistos de frente, no puede detectar rostros con precisión desde ningún otro ángulo. Y eso limita severamente la forma en que se puede usar para los motores de búsqueda de rostros.

Es por eso que Yahoo está interesado en este problema. Hoy, Sachin Farfade y Mohammad Saberian de Yahoo Labs en California y Li-Jia Li de la cercana Universidad de Stanford revelan un nuevo enfoque del problema que puede detectar rostros en ángulo, incluso cuando están parcialmente ocluidos. Dicen que su nuevo enfoque es más simple que otros y, sin embargo, logra un rendimiento de vanguardia.

Farfade y compañía utilizan un enfoque fundamentalmente diferente para construir su modelo. Aprovechan los avances realizados en los últimos años en un tipo de aprendizaje automático conocido como red neuronal convolucional profunda. La idea es entrenar una red neuronal de muchas capas utilizando una amplia base de datos de ejemplos anotados, en este caso, imágenes de rostros desde muchos ángulos.

Con ese fin, Farfade y compañía crearon una base de datos de 200 000 imágenes que incluían rostros en varios ángulos y orientaciones y otros 20 millones de imágenes sin rostros. Luego entrenaron su red neuronal en lotes de 128 imágenes durante 50 000 iteraciones.

El resultado es un único algoritmo que puede detectar rostros desde una amplia gama de ángulos, incluso cuando están parcialmente ocluidos. Y puede detectar muchas caras en la misma imagen con una precisión notable.

El equipo llama a este enfoque Detector de rostros densos profundos y dice que se compara bien con otros algoritmos. Evaluamos el método propuesto con otros métodos basados ​​en el aprendizaje profundo y demostramos que nuestro método produce resultados más rápidos y precisos, dicen.

Además, su algoritmo es significativamente mejor para detectar rostros cuando están boca abajo, algo que otros enfoques no han perfeccionado. Y dicen que se puede mejorar aún más con conjuntos de datos que incluyan más caras al revés. Estamos planeando utilizar mejores estrategias de muestreo y técnicas de aumento de datos más sofisticadas para mejorar aún más el rendimiento del método propuesto para detectar rostros ocluidos y rotados.

Ese es un trabajo interesante que muestra cuán rápido está progresando la detección de rostros. La técnica de la red neuronal convolucional profunda tiene solo un par de años y ya ha dado lugar a importantes avances en el reconocimiento de objetos y rostros.

La gran promesa de este tipo de algoritmo está en la búsqueda de imágenes. Por el momento, es sencillo buscar imágenes tomadas en un lugar específico o en un momento determinado. Pero es difícil encontrar imágenes tomadas de personas específicas. Este es un paso en esa dirección. Es inevitable que esta capacidad nos acompañe en un futuro no muy lejano.

Y cuando llegue, el mundo se convertirá en un lugar mucho más pequeño. No solo se podrán buscar imágenes futuras, sino todo el historial de imágenes digitalizadas, incluidas vastas reservas de video y secuencias de CCTV. Esa va a ser una fuerza poderosa, de una forma u otra.

Ref: arxiv.org/abs/1502.02766 : Detección de rostros multivista mediante redes neuronales convolucionales profundas

esconder