小米黑科技，“跑分”第一的人脸检测算法水平到底如何？

继百度深度学习研究院、腾讯优图以及Face++之后，小米最新的人脸检测算法日前也在业界最权威的FDDB数据集上拿下了第一的成绩。

根据小米联合创始人黄江吉公开的信息，小米此次研发的新算法基于深度卷积检测网络(Faster RCNN Bootstrapped by Hard Negative Mining)，即利用深度卷积检测网络，同时学习人脸和非人脸特征，从而准确识别出人脸的位置和大小。

雷锋网第一时间联系了参与这一项目的小米联合创始人黄江吉，他表示小米人脸检测改良了现有的方法，尤其是针对比较模糊的人脸有明显的优化，不过具体细节还要等到相关论文公布才能知晓。

当然，在此之前我们需要了解的是，人脸测试可分为人脸识别、人脸检测、人脸表情、人脸年龄、人脸性别等等，这其中人脸识别和人脸检测是最主流的两个方向。

| 人脸识别

人脸识别的目的就是找出图片中的人脸，然后识别人脸是谁，目前，全球人脸识别的数据集最多，如WebFace、MegaFace以及LFW（Labeled Faces in the Wild）等。LFW是人脸识别研究领域比较有名的人脸图像集，LFW库共有5749个人的13233幅图像，其中1680人有两幅及以上的图像，4069人只有一幅图像。

例如，Facebook Deepface、香港中文大学汤晓鸥教授的DeepID以及Face++都在LFW上进行了相应的测试。

| 人脸检测

事实上，相比人脸识别，人脸检测的任务要稍微简单一些，它只关注前者的第一步，就是给出一张照片，找出有人脸的区域（椭圆型或矩阵）就达到目的了。

FDDB（Face Detection Data Set and Benchmark）是最具权威的人脸检测评测平台。FDDB和LFW一样，都是马萨诸塞大学的人脸数据库，它包含2845张图片，共有5171个人脸作为测试集。测试集范围包括：不同姿势、不同分辨率、旋转和遮挡等图片，同时包括灰度图和彩色图，标准的人脸标注区域为椭圆形。小米人脸检测的测试就是在FDDB进行的。

“检测和识别都是基于特征提取，检测相当于一张图上有足够多的选框（例如：20X20 的选框，各个像素点逐一筛选。）可先识别出人脸的位置，然后做选框，再根据选框内部的像素点逐一筛选。”宇泛智能CEO赵弘毅如是说。

通俗点讲，在图片上任意给出一个框，判断框是不是人脸，然后选框逐渐移动去判断是不是人脸。这个过程在学术领域称为“滑窗”，是特征提取的一个过程。所以，在一张图片中至少需要对几万个框做分别提取特征，从而来识别人脸。