#量子位#熊猫可用人脸识别？熊生高光时刻：以后终于可以认清我了大家好

大家好，一开始看到这个研究的时候，我的表情是这样的：

文章图片
嗯？大熊猫？大熊猫不都是长得一样吗？……一样的可爱！（满满的求生欲）
然而再一细看，我发现这个研究对对熊猫脸盲症患者，太友好了。
以后再也不用担心认不清熊猫了。

文章图片
这项神奇的技术，就是：大熊猫识别。
也就是将人脸识别技术运用到了大熊猫身上。
最近，中国大熊猫大学——西华师范大学大熊猫研究团队，发表了关于该方向的系列论文。
其中一篇名为“利用深度学习技术进行动物个体识别：以大熊猫为例。 ”研究了大熊猫个体识别的技术问题。

文章图片
熊猫脸识别？
论文核心，是采用深度学习技术，以一种基于CNN的人脸识别模型来识别大熊猫。
并且，目前已成功建立大熊猫面部识别网络。
我感觉，以后都是飘着去看大熊猫的（指点江山状）。

文章图片
这项研究主要两大亮点：
数据集是来自四川3个基地的圈养大熊猫。通过数码相机与手机拍摄大熊猫的多样特征。尤其需要较清晰的获取其面部特征，特别是在进食、休息、嬉戏这些特定的动作捕捉。最终是由6位学生、用时7天拍摄了近6.5万张样本照片。（这种科研的努力劲儿，确实令人佩服。）
“熊脸识别”率高达95%：经过漫长的数据的筛选与识别网络的调试，目前识别率可以达到95% 。
该研究团队的张晋东教授表示，前后对于技术的攻关花费了约半年时间，最终这才有了识别模型的成功与如此高的识别率。
当然这其中，离不开来自数学与信息学院郑伯川教授团队的支持。
一个负责熊猫数据采集，一个负责识别技术。通力合作，才有如今结果。

文章图片
如何实现？
跟许多深度学习技术的模式一样，这项工作主要分为三个步骤：数据收集——模型训练——模型验证。
首先第一步，在上文中也提到。就是收集来自3个基地的25只圈养大熊猫的图像。
拍照的时候呢，要离大熊猫至少5米远，以免打扰到它们，然后利用手机或相机的变焦功能来获取熊猫面部的照片。
大熊猫的脑袋向上向下或者倾斜的角度最好不能大于30° ，因为这样拍出来的照片质量不好。注意到这点之后，在筛选一些面部表情丰富，特定姿态的照片就作为数据集啦。

文章图片
第二步呢，对模型的训练
本研究使用的识别网络是VGGNet ，它是一种卷积神经网络。
VGGNet由5个卷积模块， 3个全连接层和一个软-max连接层组成。
此次数据集有65000张大熊猫面部图像，平均每只4300张。将其中39000张照片作为训练集， 19500张用来验证，以及6500张照片作为模型的校准。
对于模型训练，他们使用了Tensorflow工具箱，利用GPUNVIDIAQuadroP5000（16GB）进行训练。
为了加快识别网络的收敛速度，解决深度网络的不稳定梯度问题，他们采用了Xavier初始化方法。初始批量大小设置为128 ，学习率设置为0.001 。
最后，在25万次迭代之后停止训练。