چہرے کی شناخت_ Taigewang ٹیکنالوجی کی ترقی

خودکار چہرے کی شناخت کے کلاسک عمل کو تین مراحل میں تقسیم کیا گیا ہے: چہرے کا پتہ لگانا، چہرے کا فیچر پوائنٹ لوکیشن (جسے چہرے کی سیدھ بھی کہا جاتا ہے)، فیچر نکالنا اور کلاسیفائر ڈیزائن۔ عام طور پر، ایک تنگ معنی میں چہرے کی شناخت سے مراد ہے & quot; خصوصیت نکالنے کا درجہ بندی & quot; الگورتھم تحقیق کے دو حصے۔ گہری سیکھنے کے ظہور سے پہلے، چہرے کی شناخت کے طریقوں کو عام طور پر دو مراحل میں تقسیم کیا گیا تھا: اعلی جہتی مصنوعی خصوصیت نکالنا (جیسے LBP، Gabor، وغیرہ) اور طول و عرض میں کمی۔ نمائندہ طول و عرض میں کمی کے طریقوں میں سب اسپیس سیکھنے کے طریقے جیسے PCA اور LDA اور مشہور سیکھنے کے طریقے جیسے LPP شامل ہیں۔ گہری سیکھنے کے طریقوں کی مقبولیت کے بعد، نمائندہ طریقہ یہ ہے کہ اصل تصویر کی جگہ سے چہرے کی امتیازی نمائندگی کو براہ راست سیکھا جائے۔ عام طور پر، چہرے کی شناخت کی تحقیقی تاریخ کو تین مراحل میں تقسیم کیا جا سکتا ہے۔ پہلے مرحلے (1950-1980s) میں، چہرے کی شناخت کو عام پیٹرن کی شناخت کا مسئلہ سمجھا جاتا تھا۔ مرکزی دھارے کی ٹیکنالوجی چہرے کی ہندسی ساخت پر مبنی تھی۔ دوسرے مرحلے (1990 کی دہائی) میں، چہرے کی شناخت تیزی سے تیار ہوئی، اور بہت سے کلاسیکی طریقے نمودار ہوئے، جیسے کہ eigenface، Fisher face اور elastic graph matching. اس وقت، مرکزی دھارے میں شامل تکنیکی راستہ ظاہری ماڈلنگ کا سامنا ہے۔ تیسرے مرحلے میں (1990 کی دہائی کے آخر سے لے کر اب تک) چہرے کی شناخت پر تحقیق گہری ہوتی جا رہی ہے۔ محققین نے حقیقی حالات کا سامنا کرتے ہوئے چہرے کی شناخت پر توجہ دینا شروع کی، جس میں بنیادی طور پر مندرجہ ذیل چار پہلو شامل ہیں: 1) مختلف چہرے کی جگہ کے ماڈل تجویز کریں، بشمول لکیری ماڈلنگ کے طریقے جن کی نمائندگی لکیری امتیازی تجزیہ کے ذریعے کی جاتی ہے، نان لائنر ماڈلنگ کا طریقہ کارنل طریقہ سے اور 3D چہرے کی شناخت کا طریقہ۔ 3D معلومات پر۔ 2) چہرے کی شناخت کو متاثر کرنے والے عوامل کا گہرائی سے تجزیہ کریں اور ان کا مطالعہ کریں، بشمول الیومینیشن انویریئنٹ چہرے کی شناخت، پوز انویریئنٹ چہرے کی شناخت اور ایکسپریشن انویرینٹ چہرے کی شناخت۔ 3) نئی خصوصیت کی نمائندگی کا استعمال کیا جاتا ہے، بشمول مقامی وضاحت کنندگان (گیبور چہرہ، ایل بی پی چہرہ، وغیرہ) اور گہری سیکھنے کے طریقے۔ 4) ڈیٹا کے نئے ذرائع کا استعمال کرنا، جیسے کہ ویڈیو کی بنیاد پر چہرے کی شناخت اور خاکے اور قریب اورکت تصاویر کی بنیاد پر چہرے کی شناخت۔ 2007 سے، LFW ڈیٹابیس حقیقی حالات میں چہرے کی شناخت کے لیے ٹیسٹ بینچ مارک بن گیا ہے۔ LFW ڈیٹا سیٹ میں انٹرنیٹ سے 5749 لوگوں کی 13233 چہرے کی تصاویر شامل ہیں، جن میں سے 1680 لوگوں کی دو یا زیادہ تصاویر ہیں۔ LFW کے معیاری ٹیسٹ پروٹوکول میں چہروں کے 6000 جوڑوں کا دس گنا تصدیقی کام شامل ہے۔ ہر فولڈ میں مثبت مثالوں کے 300 جوڑے اور منفی مثالوں کے 300 جوڑے شامل ہیں۔ دس گنا اوسط درستگی کو کارکردگی کی تشخیص کے اشاریہ کے طور پر استعمال کیا جاتا ہے۔ LFW کی ریلیز کے بعد سے، کارکردگی کو مسلسل تازہ کیا گیا ہے۔ 2013 سے پہلے، بنیادی تکنیکی راستہ مصنوعی یا سیکھنے پر مبنی مقامی وضاحتی پیمائش سیکھنا تھا۔ 2014 کے بعد، اہم تکنیکی راستہ گہرائی سے سیکھنا ہے۔ 2014 سے، گہرائی سے سیکھنے والا بڑا ڈیٹا (بڑے پیمانے پر لیبل لگا ہوا چہرہ ڈیٹا) چہرے کی شناخت کے میدان میں مرکزی دھارے کا تکنیکی راستہ بن گیا ہے۔ دو اہم رجحانات ہیں: 1) نیٹ ورک بڑا اور گہرا ہوتا جاتا ہے (vggface16 تہہ، facenet22 تہہ)۔ 2) ڈیٹا کی بڑھتی ہوئی مقدار (ڈیپ فیس 4 ملین، فیس نیٹ 200 ملین) کے ساتھ، بڑا ڈیٹا چہرے کی شناخت کی کارکردگی کو بہتر بنانے کی کلید بن گیا ہے۔ ڈی ایل سے پہلے کے دور میں، مثال کے طور پر vipl لیبارٹری کی تیسری نسل اور نصف SDK کو لے کر، کلیدی تکنیکی نکات میں شامل ہیں 1) بلاک فیس فیچر فیوژن: گیبر فیچر LPQ فیچر۔ 2) فیچر میں کمی کے لیے سب اسپیس لرننگ (PCA LDA)۔ 3) ملٹی اسکیل چہرے کو نارملائزیشن ٹیمپلیٹ کا فیوژن۔ sdk3.5 کی متعلقہ ٹیکنالوجیز نے FRGC تجربہ 4 میں 0.1% غلطی قبول کرنے کی شرح کی شرط کے تحت 96% کی تصدیق کی شرح حاصل کی، جو کہ اب بھی FRGC ڈیٹا سیٹ میں بہترین نتیجہ ہے۔ واضح رہے کہ اگرچہ گہری سیکھنے میں فیچر لرننگ پر زور دیا جاتا ہے، لیکن فیچر سیکھنا DL کا پیٹنٹ نہیں ہے۔ ڈی ایل سے پہلے کے دور میں، اتلی ماڈلز کا استعمال کرتے ہوئے تصاویر سے براہ راست نمائندگی سیکھنے اور مصنوعی وضاحت کنندگان پر مبنی سیمینٹک نمائندگی سیکھنے کا کام (جیسے درمیانی درجے کی خصوصیت کی نمائندگی سیکھنے کے لیے اوصاف اور تشبیہ کا درجہ بندی کرنے والا اور اعلی سطحی سیمینٹک نمائندگی سیکھنے کے لیے ٹام بمقابلہ پیٹ۔ ) کو متعلقہ ادب میں دیکھا جاتا ہے۔ 2014 میں، فیس بک نے اپنا کام cvpr14 پر شائع کیا۔ ڈیپ فیس نے بڑے ڈیٹا (4 ملین چہرے کا ڈیٹا) کو ڈیپ کنولوشن نیٹ ورک کے ساتھ ملایا، جس نے LFW ڈیٹا سیٹ پر انسانی شناخت کی درستگی تک رسائی حاصل کی۔ ڈیپ فیس ہر مقامی مقام پر ایک الگ کنولوشن کرنل سیکھنے کے لیے ایک مقامی منسلک کنوولوشن ڈھانچہ بھی متعارف کراتا ہے۔ نقصان یہ ہے کہ یہ پیرامیٹر کی توسیع کا باعث بنے گا۔ یہ ڈھانچہ بعد میں مقبول نہیں ہوا۔ ڈیپڈ فیملی کو ڈی ایل دور میں چہرے کی شناخت کے شعبے میں نمائندہ کام کا ایک گروپ سمجھا جا سکتا ہے۔ قدیم ترین گہرے نیٹ ورک میں چار کنولوشن لیئرز شامل تھے اور سافٹ میکس نقصان کے فنکشن کو اپنایا گیا تھا۔ Deepid2 deepid2 نیٹ ورک کی بنیاد پر شناخت کے نقصان اور تصدیق کے نقصان دونوں پر غور کرتا ہے۔ کیفے ڈیپ لرننگ فریم ورک میں بالترتیب سافٹ میکس وتھلوس لیئر اور کنٹراسٹ لاسز لیئر کا استعمال کرکے ان دونوں نقصانات کا ادراک کیا جا سکتا ہے۔ Deepid2 نیٹ ورک deepid2 کی بنیاد پر ہر پرت کے معاون نقصان کا فنکشن شامل کرتا ہے (گہری نگرانی والے نیٹ ورک کی طرح)۔ گوگل نے اپنا کام cvpr2015 میں شائع کیا۔ Facenet ڈیپ کنولیشن نیٹ ورک کی 22 تہوں اور بڑے پیمانے پر چہرے کا ڈیٹا (8 ملین لوگوں کی 200 ملین تصاویر) اور ٹرپل نقصان کا فنکشن استعمال کرتا ہے جو عام طور پر تصویر کی بازیافت کے کاموں میں استعمال ہوتا ہے۔ یہ بات قابل ذکر ہے کہ، چونکہ چہرے کے زمرے کی تعداد 8 ملین تک پہنچ جاتی ہے، اگر softmax نقصان کا استعمال کیا جاتا ہے، تو آؤٹ پٹ لیئر نوڈس کی تعداد 8 ملین تک پہنچ جائے گی، اور کم از کم 32GB ویڈیو میموری کی ضرورت ہے (یہ فرض کرتے ہوئے کہ آخری پوشیدہ لیئر نوڈ میں 1024، واحد درستگی کے فلوٹنگ پوائنٹ نمبرز کا استعمال کرتے ہوئے) تاہم، ٹرپلٹ نقصان کو اضافی ویڈیو میموری پر قبضہ کرنے کی ضرورت نہیں ہے۔ LFW ڈیٹا سیٹ پر Facenet کی 10% کی رعایت کی اوسط درستگی 99.63% تک پہنچ جاتی ہے، جو کہ اب تک کے سرکاری طور پر شائع ہونے والے کاغذات میں بھی بہترین نتیجہ ہے، جو تقریباً 2008 سے 2015 تک LFW پر آٹھ سالہ کارکردگی کے مقابلے کے خاتمے کا اعلان کرتا ہے۔