List

Feel proud that the team is ranked #1 (the First Place) in CVPR 2018 Disgusied Face Recognition! Our team just won the disguised face recognition competition in “Disguised Face in the Wild” for CVPR 2018 — the best computer vision conference.

It’s a great honor as having the best performance over the leading international research teams (either from the academia or the industry). Disguised face recognition is one of the unsolved face recognition problems and that’s why it was hosted the first time in the best (and also the most important) computer vision conference, CVPR.

人臉辨識已經落地到諸多應用,不過大多是正臉,高品質的畫面。對於逆光、光線不佳、低解析度,視角差,跨年紀、化妝(偽裝)等,還是有它的局限性,也是研究社群努力的方向。

我們參加今年#CVPR(電腦視覺頂尖會議)的Disguised Face Recognition 競賽。很高興在團隊的努力下,我們獲得排名第一的成績。前十排名請參考照片,其他公司以及團隊的名稱先移除。 偽裝人臉是相當具有挑戰的問題,但是仔細看,即使是偽裝的人臉,還是有些主要的特質在同一個人臉上。

我們因此設計新的網路來抓取這些主要特徵。 我們還針對低解析度人臉的辨識,也有相當好的突破。希望有機會再分享。

沒想到在#CVPR 2018舉辦的Disgused Face Recognition Challenge (偽裝人臉辨識競賽),還會給冠軍獎牌,刻上單位名稱。夠慎重。

A surprise to receive the award plaque for #CVPR 2018 Disguised Face Recognition Challenge.

  Posts

1 4 5 6
March 21st, 2017

How to start a research problem (or industry product)? 如何開始一個研究(或是產品)?

2010年參加微軟主辦的Faculty Summit時,Turing Award winner Prof. John Hopcroft,分享了他是如何帶領(博士班)學生: Position yourself for the future Ignore well established open problems Formulate new direction […]

March 19th, 2017

互補 vs. 互斥 (深度影像分析的實用性?)

最近有機會跟數位媒體跟產業界的朋友交流,大家一方面驚訝深度學習技術的進步,另一方面又懷疑這樣的技術突破影響面能有多廣? 是的,很少人需要自動辨識狗或是貓,也不在乎AlphaGo打贏人類棋士。但是可以另一個方式思考—目前已經有接近商業化的技術可以用來彌補人類不足或是不擅長的工作。比如說我們可以使用比較具有擴展性(scalable)、有效率(efficiency)、或是高性價比的方式來協助個人或是商業上的應用。 對於機器智能以及人類的關係,我喜歡尋找 「互補」(complementary)的可能性,而不是「互斥」或是「敵對」的角度。 深度學習技術在影像分析上具有最大的進步(跟語音、文字來比的話)。如果思考的範圍加大,為什麼只用在單一照片?或是單一個攝影機上? 舉例來說,透過大家分享打卡的照片(非常容易取得,我們光是曼哈頓島在2014幾個月內就收集到幾千萬張照片),即使人不到現場,我們可以了解大家究竟點了那些餐點(食物分類)。透過分析這些餐廳出現的人像屬性(facial attributes),例如性別、種族、年紀、打扮,我們可以參考是否適合自己,適合帶小孩,適合怎樣的dressing code。如果再把這個人像屬性偵測擴展到其他景點、商店,更可以了解到這些大量地點的人口統計特性(demographics),直接幫助景點推薦。 事實上我們在ACM Multimedia 2011年就實現了這個全新角度,可以參考[2],這個論點也在研究社群內廣為流傳,我們的相關論文也有145個Google citation。當時,為了驗證這個想法,我們收集了全球19個主要都市,一千多萬張照片,實驗證明加上自動影像偵測出的人口統計特性,可以增加景點推薦的正確性。而且這些影像分析技術是跨語言的! 可以想像,如果要以人力統計這些景點、都市的人口統計特性,需要多少的時間成本,多少可行性。這就是機器智能技術可以大大助益的地方,而且這些分析結果經年累月會更趨正確,因為可以收集到的影像資料更大量的增長。機器智能彌補了人類的局限性! 有趣的是Li Fei Fei的團隊今年在AAAI也有類似的想法,他們是利用Google Street View上拍到的車輛種類來推估都市的人口統計特性,並且可以關聯於一些社會現象、能源使用等。可以參考。 另一個例子是,我們的博士班畢業生 Kuan-Ting […]

February 27th, 2017

ICME 2017 more than 50% submissions!!!

The ICME 2017 decisions are sent out now! It’s really tough to be the role as the Technical Program Co-Chair […]

February 7th, 2017

A brand new dataset for photo filter recommendation by aesthetic learning (美的鑑賞,人工智慧也可以嗎?)

To make photos more visually appealing, users usually apply filters on their photos. However, due to the growing number of […]

January 19th, 2017

Our experience with NVIDIA DGX-1, the supercomputer for deep learning

NVIDIA DGX-1的對深度學習效能如何? How effective for DGX-1 with 8 new Tesla P100 GPUs? A few pilot runs. Our training with a […]

January 15th, 2017

CyberLink (訊連科技) 20th anniversary and my early startup experiences

Huge congratulations to CyberLink for the 20th anniversary! It’s an exciting and tough journey for the multimedia software company to […]

January 9th, 2017

The advanced of ADAS (先進駕駛輔助系統的發展)

好奇目前先進駕駛輔助系統(Advanced Driver Assistance Systems;ADAS)領域供應商在深度學習的發展狀況為何。剛好看了一篇關於 Mobileye的報導,又把NVIDIA BB8的技術文章拿來翻了一下,有趣的比對。   Mobileye目前使用的solution是deep learning based 嗎?好奇。 NVIDIA BB8倒是展示了一件事,是不是可以利用end-to-end的作法,讓學習的網路由目前路面影像的輸入直接決定方向盤該轉幾度?這跟之前得先偵測出路面、分割線、道路邊緣的作法大大不同。這也暗示,對於其他深度學習的應用,也可以直接最佳化最後的標的,中間的特徵值或是決策,直接交給網路學習決定。 We do not work on ADAS (advanced […]

November 5th, 2016

Media report regarding our team’s global competitiveness (人工智慧幫 全球強挖角)

We have been working on machine intelligence over large-scale multimodal data streams for more than 14 years and had witnessed […]

September 21st, 2016

Receiving awards for NVIDIA AI Lab (輝達攜手台大成立AI實驗室)

Feel grateful that we are the 5th research lab in the world and 1st in Asia to be sponsored and […]

September 4th, 2016

The first movie trailer by Watson AI

It’s an amazing journey! I am having my sabbatical leave in IBM TJ Watson Research Center, New York. I am so […]