翻译100%的人脸识别.docVIP

Comment on 100% accuracy in automatic face recognition (摘要) 詹金斯和伯顿报道说，图像平均技术把人脸自动识别提高到100%并且同时被应用到图片身份识别，我们怀疑在身份识别问题上，图像平均技术的可行性不充分，没有足够的证据支持。 在自动面部识别里，画廊里的面部图像是为后续搜索中第一个被注册和编码的。然后就把探测图像和画廊里的任意一张编码图像进行比较，当能够匹配并且被识别的时候，就标记一下。在目前的研究当中，詹金斯和伯顿使用名人的照片作为探测图像来测试宗谱网站使用的FaceVACS系统的匹配命中率。把每个名人的探测图像合并起来变成一个新的探测图像把探测数据库的整体命中率从54%提高到100%。作者因此得出结论，把图像平均的过程可以显著提高自动脸部识别并且推断把平均脸应用到身份证明文件里会大大减少面部识别时发生的错误。 仅仅因为图像平均合并了一些可辨认的图片，詹金斯和伯顿就认为100%精确度是可以达到的。为了减轻这种担忧，作者只是用了在研究1里不能被辨别的图片进行试验，使命中率从0%提高到80%。因此他们把提高的精确度归因为平均过程。然而，这个提高在一定程度上可以归因为在平均过程之前的手动面部注册,它准确的纠正了面部外形以至于使所有的脸部探测图像都是正面的，都在向一个标准靠拢。通过很大程度上减少图片的可变性，图像配准过程可以把以前不能辨别出来的照片改变成可以变得的照片。此外，标准的注册脸可能促进了自动脸的发现和检测算法的正常处理，这也可能提高了命中率。因此，注册技术辅助图像平均来提高命中率也是可能的。 詹金斯和伯顿认为，图像平均提高了人脸的稳定性能。然而对此的解释是被夸张了的。平均图像被应用在身份证明文件里就能减少识别上的错误这个论断缺乏足够的证据，尤其是因为这不是一个通过已经做过的实验可以得到的等效的任务。特别的，这个实验使用在线数据库作为画廊，使用平均图像作为探针，并且在线识别系统仅仅只返回数据库里最接近的匹配照片。回的照片和平均照片相匹配，则记为命中。使用这种方法，即使100%的命中率能够保证，对于每一个身份检测，系统只是匹配了画廊里的一张图片。然而，在数据库里，每个人都有如果返许多（7到28）张照片。这个实验不能证明平均图像可以匹配一张照片的情况。对比而言，如果这个平均图像是从身份证明的，身份验证的任务比詹金斯和伯顿的实验的要求更苛刻。文件里合并出来的，那么身份变化系统则被要求能够稳定的匹配同一个人的任意一张照片。否则，照片上的任何一个错误都能被转变成识别时的错误。因此，即使是识别的算法是可以交换,身份认证的任务比詹金斯和伯顿的实验的要求更苛刻。对身份证明的证据是通过对个人的外表和身份证明文件的对比获得的，外表是从在不同的时间、地点捕捉到的单一的图像获得的。证据的可靠性在于单一的照片与身份证明文件匹配的稳定性。因此，为了评估平均图像在身份证明文件里的可行性，应该设计一个可以检测单独照片的命中率的实验，用来检测单一照片与相应平均照片的匹配百分比。此外，证据的可靠性也取决于在平均图像里冒名顶替的照片，这也是需要被考虑的。对于科学的方法论，可以参照美国政府支持的评估，例如面部识别供应商测试，这是标准的面部识别技术。 我们承认，图像平均促进了面部识别技术。然而，自动面部识别是一个包含早期处理、知觉编码、提示融合机制的模式识别问题。尽管已经做了无数的努力，自动人脸识别仍然是一个有野心的目标。 Response to comment on 100% accuracy in automatic face recognition (摘要)与邓等人的意见相反，当脱离平均过程的时候，图像注配准降低了面部识别的精确度。包括超出特定范围的照片、平均画廊照片、平均探测照片的平均照片映射集能够提高这个匹配。作者所建议的另一种协议是不合适的，因为它评估的是脸部匹配算法而不是依赖标准图像集的面部表示。 我们认为形象的平均过程能显著提高面部识别。而邓等人认为图像配准仅仅可能改善面部识别的性能，然后我们就测试了他们的观点。由于我的遗产数据库在持续的扩张，我们一开始提交的照片和平均图像作为一个当前基线。其中，500张探测图片里的48张是和画廊里的一样的，而实验一中只有41张是一样的。这增加了画廊照片的一致性扩张。剩下的452张照片里，52%的照片被正确的匹配出来，相较于实验一的54%。和实验一一样，平均照片的匹配率仍然是100%。平均照片里的每5张就能匹配正确的人，证明了平均照片映射包括了超出特定范围的快照。为了解决邓等人的担忧，我们下一步提交了手工注册版本的代码原照片，按照邓等人的描述，，这些照片被放到了一个标准的、直立的、封闭的同一背景下，测得注册图像的命中率是30%。显然，注册提供了两个世界里