真實世界是由高維度組成 為什麼我們選擇3D而非2D?
2D
RogersAI-3D
防範偽活體攻擊
容易以照片、面具、或動態影片來突破;在面對仿真人頭時,缺少辨別能力
註冊時建立3D人臉模型,因此無法以照片、面具、動態影片等辨識成功,在仿活體攻擊上比2D優異
對妝髮變化的敏感度
如果以化妝或飾品改變「視覺深度」,2D辨識很容易被欺騙
可成功辨識戴眼鏡、蓄鬍、更換髮型、化妝後的狀態
姿態辨識能力
人臉正對鏡頭時,才容易辨識成功
人臉對鏡頭角度較大時也可辨識成功
遮擋影響
遮擋臉部會減少2D辨識依據,較不容易辨識成功
臉部分遮擋、亦有高辨識能力
當視覺辨識遇上3D 從AI視覺辨識歷史看發展與趨勢
3D視覺辨識 逐漸成為人臉辨識的趨勢
鏡頭、處理單元與 機器學習的大幅進展、平面到立體的視覺辨識, 3D視覺辨識逐漸成為人臉辨識的趨勢
人工神經網路 (Neural Network,NN)模型被心理學家提出
1943
感知機被發明 能進行簡單的視覺辨識,例如區分不同形狀
1957
歷史第一個視覺辨識專題 MIT AI實驗室共同創辦人 Marvin Minsky開啟實驗室第一個視覺辨識專題
1966
視覺辨識技術商業化 推出基於 ORC 技術的 Kurzweil Computer 產品,可以辨識各種形式字體,這也是將視覺辨識技術商業化的一個轉折點
1974
AI寒冬(1980~ 1990) Sirovich 與 Kirby 提出特徵臉(Eigenface)進行人臉辨識,被認為是第一種有效、高效的人臉辨識算法
1987
Facebook照片辨識 Facebook開始照片標籤與辨識功能
2011
Deep learning取代SVM ILSVRC大賽中,深度學習網路Alexnet,以Top-5錯誤率15.4%竄起,此後機器學習技術漸由Deep learning取代了SVM
2012
人臉支付 阿里巴巴馬云於CeBIT上展示人臉支付下單淘寶
2015
IPhone Face ID IPhone推出Face ID,以3D鏡頭進行人臉辨識
2017
3D視覺辨識逐漸成為人臉辨識的趨勢 鏡頭、處理單元與 機器學習的大幅進展、平面到立體的視覺辨識, 3D視覺辨識逐漸成為人臉辨識的趨勢
NOW
問題與解答Q&A 加入我們,有甚麼優勢