Ett nytt maskininlärningssystem har utvecklats som kan känna igen ansikten på ett sätt som liknar hur den mänskliga hjärnan gör. Systemet, kallat "DeepFace", har utvecklats av forskare vid University of Toronto och Google.

DeepFace använder ett djupt neuralt nätverk, vilket är en typ av konstgjorda neurala nätverk som är inspirerade av den mänskliga hjärnan. Nätverket tränas på en stor databas med bilder av ansikten, och det lär sig att identifiera de egenskaper som är gemensamma för alla ansikten. Dessa egenskaper inkluderar formen på ansiktet, positionen för ögonen, näsan och munnen och hudens struktur.

När nätverket väl är tränat kan det användas för att känna igen ansikten i nya bilder. För att göra detta jämför nätverket helt enkelt den nya bilden med bilderna i sin databas och hittar de närmaste matchningarna. Systemet är mycket exakt, och det kan till och med känna igen ansikten som är delvis skymd eller som är tagna från olika vinklar.

Utvecklingen av DeepFace är ett betydande genombrott inom området datorseende. Det representerar ett stort steg framåt i vår förståelse av hur hjärnan känner igen ansikten, och den har potential att revolutionera ett brett utbud av applikationer, såsom mjukvara för ansiktsigenkänning, säkerhetssystem och medicinsk bildbehandling.

Så fungerar DeepFace

DeepFace fungerar genom att använda ett djupt neuralt nätverk för att lära sig funktionerna som är gemensamma för alla ansikten. Nätverket består av flera lager av sammankopplade noder, och varje lager lär sig att identifiera olika funktioner. Det första lagret lär sig att identifiera de grundläggande egenskaperna hos ett ansikte, såsom ansiktets form och positionen för ögon, näsa och mun. Det andra lagret lär sig att identifiera mer komplexa egenskaper, som hudens struktur och formen på ögonbrynen. Det tredje lagret lär sig att identifiera ännu mer komplexa drag, som ansiktsuttrycket och blickens riktning.

När data har passerat alla lager i nätverket har den lärt sig att identifiera alla funktioner som är gemensamma för alla ansikten. Detta gör att nätverket kan känna igen ansikten i nya bilder, även om de är delvis skymd eller tagna från olika vinklar.

Applikationer av DeepFace

DeepFace har potential att revolutionera ett brett utbud av applikationer, såsom:

* Ansiktsigenkänningsprogram: DeepFace kan användas för att utveckla mjukvara för ansiktsigenkänning som är mer exakt och tillförlitlig än befintliga system. Detta kan användas för en mängd olika ändamål, såsom säkerhetssystem, åtkomstkontroll och brottsbekämpning.

* Säkerhetssystem: DeepFace kan användas för att utveckla säkerhetssystem som kan spåra människors rörelser i en byggnad eller ett område. Detta kan användas för att förhindra obehörig åtkomst, avskräcka brott och skydda människor och egendom.

* Medicinsk bildbehandling: DeepFace kan användas för att utveckla medicinska bildbehandlingssystem som kan hjälpa läkare att diagnostisera sjukdomar och tillstånd. Till exempel kan DeepFace användas för att identifiera hudcancer, ögonsjukdomar och andra tillstånd.

* Virtuell verklighet: DeepFace kan användas för att utveckla virtual reality-system som kan skapa realistiska och uppslukande upplevelser. DeepFace kan till exempel användas för att skapa virtuella verklighetsspel, simuleringar och träningsprogram.

De potentiella tillämpningarna för DeepFace är oändliga. När tekniken fortsätter att utvecklas kan vi förvänta oss att den revolutionerar ett brett spektrum av industrier och applikationer.