人脸识别哪家强？四种API对比
· 2018-11-16 · admin
Viola-Jones的人脸识别
2001年，Paul Viola和Michael Jone开始了计算机视觉的革命，当时的人脸识别技术并不成熟，识别准确度较低，速度也很慢。直到提出了Viola-Jones人脸识别框架后，不仅成功率大大提高，而且还能实施进行人脸识别。
自从上世纪90年代开展了各项人脸识别、目标识别挑战赛，这类技术得到了迅猛发展。
深度卷积神经网络
2010年，ImageNet视觉识别挑战赛开始举办，前两年，大部分参赛队伍都用Fisher Vectors和支持向量机的结合。但2012年，一切都变了。
多伦多大学的团队（Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton）第一次在目标物体识别任务上使用了深度卷积神经网络，并拿到冠军。他们使用的方法错误率为15.4%，而第二名的错误率为26.2%。到了2013年，前5名的队伍全部都开始用深度卷积神经网络。
价格
亚马逊、谷歌和微软三家的价格模式类似，都是用量越多收费越少。但是IBM不同，当你的免费额度用完后，每个API接口的价钱都是一样的。四种工具中，微软的免费额度是最高的，每月可处理30000张图片。
价格对比
现有以下三种情况：
A：小型创业公司每月处理1000张图片
B：数字生产商每月处理10万张图片
C：数据中心每月处理1000万张图片
动手试试
建立图像数据集
要做人脸识别，首先就要建立数据集。本文所用到的图像是从pexels网站上下载的，你可以直接到我的GitHub中下载。
编写基础测试框架
说是“框架”，实际上我的自定义代码只有两种类别。然而，这两种类别很容易地就帮我分析了原始图像数据，在不同的任务上也只需要少量代码。
FaceDetectionClient中记录了图片存储的信息、四种工具的细节以及所有处理过的图像。
比较四种SDK
以下是四种工具支持的语言：
inter-rater 可信度
在让计算机进行人脸识别之前，我先记录下了自己所观察到的图片中人脸数量。同时，我还找了三位同时对图片进行识别。
什么是人脸？
我在进行手动标记时，只要露出四分之一脸就算一个人脸，而我的同事们有的会把不明显的也算作人脸，或者看到眼睛、鼻子就算一张脸。所以每个人的判断标准不同。
对这张图，我们四人有不同的结论，分别是10张、13张、16张和16张人脸。所以我打算取平均值，14。
比较结果
图中可以看出，微软智能达到17.55%的人脸检测率，为什么成功率如此低？首先，图片数据集中的确有一些故意刁难识别器的图像，另外要知道，机器的能力比人类还差得远，想提高人脸识别的效率，还有很大的进步空间。
虽然亚马逊的工具能检测出最多的人脸，但是谷歌和微软的处理时间明显更快。
另外，在人脸相对较小的图片中，同样还是亚马逊表现得更好：
在这张图片中，亚马逊检测出了10个人脸，而谷歌为4，IBM和微软都是0。
不同角度和不完整人脸
看了上面的例子，可能会觉得IBM不中用。IBM的作用在普通图片上一般般，但是在难度更大的图片上，IBM的能力就很大了。尤其是在不常见的角度进行人脸识别或者残缺人脸识别。例如：
边界框
没错，各家的边界框也有差别。亚马逊、IBM和微软都会返回只含有人脸的边界框。而谷歌不光会圈起来人脸，会连带整个头部一起选中。
谷歌
微软
看出差别了吗？
误报率
虽然我的数据集很小（只有33张照片），但是有两张图没有模型识别出人脸。
亚马逊和谷歌都只识别出了上图中纹身中的头像，而微软识别失败。只有IBM正确识别到了前面吉他手的人脸。恭喜IBM！
这张照片，谷歌在同一区域检测出了两张人脸。莫非看到了人眼看不到的东西？（细思极恐）
结语
虽然每种工具都有自己的有缺点，但总的来说，亚马逊、谷歌和IBM还不错，微软就很一般了，分数最低。
