L'algorithme de détection des visages va révolutionner la recherche d'images

En 2001, deux informaticiens, Paul Viola et Michael Jones, ont déclenché une révolution dans le domaine de la détection de visage par ordinateur. Après des années de stagnation, leur percée était un algorithme qui pouvait repérer les visages dans une image en temps réel. En effet, le soi-disant algorithme Viola-Jones était si rapide et simple qu'il a rapidement été intégré dans les appareils photo standard.

Une partie de leur astuce consistait à ignorer le problème beaucoup plus difficile de la reconnaissance faciale et à se concentrer uniquement sur la détection. Ils se sont également concentrés uniquement sur les visages vus de face, ignorant tout vu sous un angle. Compte tenu de ces limites, ils ont réalisé que l'arête du nez formait généralement une ligne verticale plus brillante que les orbites à proximité. Ils ont également remarqué que les yeux étaient souvent dans l'ombre et formaient ainsi une bande horizontale plus foncée.

Viola et Jones ont donc construit un algorithme qui recherche d'abord les bandes lumineuses verticales dans une image qui pourraient être des nez, puis des bandes sombres horizontales qui pourraient être des yeux, puis d'autres motifs généraux associés aux visages.

Détectés par eux-mêmes, aucun de ces traits n'est fortement évocateur d'un visage. Mais lorsqu'ils sont détectés les uns après les autres en cascade, le résultat est une bonne indication d'un visage dans l'image. D'où le nom de ce procédé : une cascade de détecteurs. Et puisque ces tests sont tous simples à exécuter, l'algorithme résultant peut fonctionner rapidement en temps réel.

Mais alors que l'algorithme Viola-Jones était une sorte de révélation pour les visages vus de face, il ne peut pas repérer avec précision les visages sous un autre angle. Et cela limite considérablement la façon dont il peut être utilisé pour les moteurs de recherche de visages.

C'est pourquoi Yahoo s'intéresse à ce problème. Aujourd'hui, Sachin Farfade et Mohammad Saberian de Yahoo Labs en Californie et Li-Jia Li de l'Université de Stanford à proximité, révèlent une nouvelle approche du problème qui peut repérer les visages sous un angle, même lorsqu'ils sont partiellement occultés. Ils disent que leur nouvelle approche est plus simple que les autres tout en atteignant des performances de pointe.

Farfade et co utilisent une approche fondamentalement différente pour construire leur modèle. Ils capitalisent sur les avancées réalisées ces dernières années sur un type d'apprentissage automatique connu sous le nom de réseau de neurones à convolution profonde. L'idée est de former un réseau de neurones à plusieurs couches à l'aide d'une vaste base de données d'exemples annotés, dans ce cas des images de visages sous de nombreux angles.

À cette fin, Farfade et co ont créé une base de données de 200 000 images comprenant des visages sous différents angles et orientations et 20 millions d'images supplémentaires sans visages. Ils ont ensuite formé leur réseau neuronal par lots de 128 images sur 50 000 itérations.

Le résultat est un algorithme unique qui peut repérer les visages sous un large éventail d'angles, même lorsqu'ils sont partiellement occultés. Et il peut repérer de nombreux visages dans la même image avec une précision remarquable.

L'équipe appelle cette approche le Deep Dense Face Detector et dit qu'elle se compare bien avec d'autres algorithmes. Nous avons évalué la méthode proposée avec d'autres méthodes basées sur l'apprentissage en profondeur et avons montré que notre méthode donne des résultats plus rapides et plus précis, disent-ils.

De plus, leur algorithme est nettement meilleur pour repérer les visages à l'envers, ce que d'autres approches n'ont pas perfectionné. Et ils disent que cela peut être encore amélioré avec des ensembles de données qui incluent plus de visages à l'envers. Nous prévoyons d'utiliser de meilleures stratégies d'échantillonnage et des techniques d'augmentation de données plus sophistiquées pour améliorer encore les performances de la méthode proposée pour détecter les visages occlus et tournés.

C'est un travail intéressant qui montre à quelle vitesse la détection des visages progresse. La technique du réseau de neurones à convolution profonde n'a que quelques années et a déjà conduit à des avancées majeures dans la reconnaissance des objets et des visages.

La grande promesse de ce type d'algorithme réside dans la recherche d'images. À l'heure actuelle, il est simple de rechercher des images prises à un endroit précis ou à un certain moment. Mais il est difficile de trouver des images prises de personnes spécifiques. C'est un pas dans cette direction. Il est inévitable que cette capacité soit avec nous dans un avenir pas trop lointain.

Et quand il arrivera, le monde deviendra un endroit beaucoup plus petit. Ce ne sont pas seulement les images futures qui deviendront consultables, mais toute l'histoire des images numérisées, y compris de vastes magasins de vidéos et de séquences de vidéosurveillance. Cela va être une force puissante, d'une manière ou d'une autre.

Réf : arxiv.org/abs/1502.02766 : Détection de visage multi-vues à l'aide de réseaux de neurones à convolution profonde

cacher