腾讯 AI Lab 计算机视觉中心人脸 & OCR 团队近期成果介绍（1）

原创

周景超

修改于 2017-07-25 10:31:32

3.3K1

文章被收录于专栏：周景超的专栏周景超的专栏

导语：腾讯 AI Lab 计算机视觉中心人脸&OCR 团队专注于领域内国际前沿技术研究与应用，近期取得部分成果，这里和大家分享一下。

1. 人脸检测研究进展

1.1 WIDER FACE 评测结果

WIDER FACE 是由中国香港中文大学维护的人脸检测国际权威评测平台，包含训练集、验证集和测试集，总共有 3.2 万张图像，39 万个标注人脸，标注人脸有很大程度的尺寸、姿态和遮挡等变化，是目前国际上最大的也是最有挑战性的人脸检测的国际评测平台。WIDER FACE 数据集提供了三个子数据集（Easy、Medium、Hard）用于性能评估，采用 PR 曲线评测算法性能。我们团队研发的人脸检测算法 Face R-CNN 在 WIDER FACE 的三个子数据集（Easy、Medium、Hard）的验证集和测试集上均取得了第一的成绩（如下图），该结果已于 6 月初发表于 WIDER FACE 的官网上（http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/WiderFace_Results.html）。相关技术文档（Hao Wang, Zhifeng Li, Xing Ji, Yitong Wang. Face R-CNN. arXiv preprint arXiv:1706.01061, 2017.）也已发布在 arXiv 上（https://arxiv.org/abs/1706.01061）。

图 1. WIDER FACE 上的评测结果对比

图 2. WIDER FACE 上的人脸检测结果样例（绿框是我们检测到的人脸，红框是官方发布的人脸）。

1.2 FDDB 评测结果

FDDB（Face Detection Data Set and Benchmark）是美国马萨诸塞大学维护的人脸检测国际评测平台。它是一个无约束自然场景的人脸检测数据集，该数据集总共包含不同自然场景下拍摄的 2845 张图像，5171 个标注人脸，使用 ROC 曲线评测算法性能。我们团队研发的 Face R-CNN 算法在 FDDB 上也取得了国际领先的成果，我们在 2000 个误报样本的条件下取得了 98.74%的召回率，排名第一。该结果也已于 6 月初发表在 FDDB 的官网上。

图 3. FDDB 上我们的离散 ROC 曲线（discrete ROC curve）和近期 published 经典方法的对比。

表一. FDDB 上的离散得分性能对比（2000 误检数时）

图 4. FDDB 上的人脸检测结果样例（绿框是我们检测到的人脸，红圈是官方发布的人脸）。

2. OCR 研究进展

ICDAR（International Conference on Document Analysis and Recognition）是一个聚焦于 OCR 领域技术研究的国际权威会议，设有多项竞赛，和公司业务接近的有互联网图片（Born-Digital Images）和自然场景图片（Focused/Incidental Scene Text Images）中的文本提取的竞赛，每个竞赛包含定位、分割、识别和端到端四个任务。近来由于 RNN 的出现，对于检测到的单词可以直接去做识别，所以分割这个任务已没有太大意义。我们团队针对 TEG 的业务范围，目前聚焦在互联网图片上。

2.1 ICDAR Born-Digital Images Task1 Text Localization

Born-Digital 文本检测任务在网页图像构成的数据集上进行，训练集 410 幅，测试集 141 幅。在训练网络时，对训练集进行多种变形，扩充，实际训练集在 4000 幅左右。采用 FCN 作为检测网络，在文本检测任务上取得了第一名的成绩。

图 5. 文本检测任务上的排名

图 6. 部分检测结果及评价标准，更多的结果可在网站上查询。

2.2 ICDAR Born-Digital Images Task3 Word Recognition

Born-Digital 单词识别任务在上述图像中抠出单词区域，四个边界向外扩展 4 个像素点，构成数据集，训练集 3567 幅，测试集 1439 幅。在训练网络时，使用外部数据集约 900 万幅。采用 CNN 提取图像特征，采用 RNN 学习序列关系，进行识别，在单词识别任务上取得了第一名的成绩。