最近，微软推出了一个网站（how-old.net）：上传一张照片，系统就会进行分析，数秒后就能测出照片中人的颜龄和性别。
一秒看穿“颜龄”那么牛？无数好奇的小伙伴登录网站尝鲜，有人“年轻”了十几岁，也有人长得“太着急”。被减龄的伙伴乐坏啦；被增龄的伙伴表示：感受到了来自微软满满的恶意！
当然，脑洞大开的伙伴们绝不会满足于给自己测颜龄。
现场君：微软的工程师这么黑你，知道吗？盖茨：桑心！伦家明明才28。测性别的功能，也让网友们找到了槽点。伙伴们发现，有的演员即便化了妆，反串异性，还是无法骗过机器。
现场君：你们仨的反串有点失败啊……颜龄和性别究竟是怎么测出来的？现场君咨询了阿里巴巴蚂蚁金服和Face++的工程师印奇。还记得马云在德国用支付宝“刷脸”支付吗？人脸识别就是印奇的团队研究出来的。
机器测颜龄和性别，背后什么鬼？
印奇告诉现场君，机器测颜龄和测性别的原理是一样的，都是机器在进行大规模学习后给出的回归运算结果。
机器学习人脸识别系统需先进行大规模有标注（年龄、性别）人脸图片的处理学习，产生一套自己的标准。这个过程叫做“机器学习”。微软网站的公开资料表明，该软件分析人们脸上的27个点（如下图）得出结论。这些“面部地标点”是脸部的关键节点，比如瞳孔，眼角或鼻子——它们会随着年龄而发生明显的变化。
印奇：机器测颜龄和性别，原理是一样的——机器进行大规模学习，基于大量实战经验，再对新图进行判断。1第一步：机器大规模学习有正确答案的人脸信息（包含年龄、性别）
2第二步：针对形状和质地（眼角光滑程度、下垂程度、脸部光滑程度）等指标，定下相应标准
3第三步：根据这些标准，机器对网友上传的照片中人进行年龄、性别的判断
现场君：嗯，努力学习的孩纸，成绩一般不会太差。上传的是不是人脸，机器怎么知道的？
是的，现场君就是这么无聊，上传了漫画人物的图像。
系统提示：未测到人脸↓
印奇：机器在学习过程中，会接受大量有标注人脸图片和非人脸图片的训练（各种人脸角度以及各种近似人脸的图片），最终形成一套判断标准。为啥误差那么大？
尽管颜龄和实际年龄的差别正是how-old.net的欢乐所在，但有细心的小伙伴发现，就算是同时期的同一张脸，机器都能读出不同的颜龄，误差非常大。
现场君：其实郭德纲昨天拿着上面这张照片可以过五四青年节~~不过，看到下面的结果，是不是感受到恶意满满的真相了？
42岁的郭德纲、41岁的林志颖、45岁的吴奇隆”合影。网友纷纷留言：这三个人的关系是郭德纲和林志颖之间正好差了一个吴奇隆……
相同的光线，李娜的颜龄差了7岁！有网友称，拍照时角度变化、照片的分辨率改动下，都能测到不同的结果。
连性别测试结果也很乱——
注意小王子的性别，测试结果：女。
化个妆就雌雄难辨了？！
李玉刚，性别：男（化妆前）AND女（上妆后）！
印奇：化妆后，眼角和肤质都会有改变，即使关键点的标点没有变化，也会有相应的年龄和性别的误差。角度和光线也会影响形状和质地，会造成测试结果不一样。现场君：那小王子呢？为啥和他妹一个性别？印奇：机器没好好学习小孩子的样本。人脸识别技术有高下吗？
从网友的反馈来看，how-old.net网站的准确度不太高。
那么，未来可能出现准得吓人的测龄神器吗？
印奇说，人脸识别在技术上有优劣，进步空间还是很大的，主要体现在路线、数据、工程化方面。
路线：在未来商用化的需求下，深度学习方式是目前已知最好的解决方案，性能提升潜力也最大。
数据：机器学习过程中，如果欧美人和亚洲人的标注样本量相近，那么在准确度上也会相近。
在微软的人脸识别网站，现场君上传了夏雨和张一山的照片。
工程化：服务于商业化需求的人脸识别技术，会对人脸多个关键点进行实时追踪和比对，按照每帧提取及大场景多人脸同时追踪、比对，算法的易用性和计算性能，决定着产品最终的市场前景，毫秒级的响应速度需要极高的工程优化。
说了这么多，伙伴们应该明白了，这个测颜龄网站目前只是个玩具。不过，现场君还是打算把头像换成颜龄最低的那张照片！拍照去了，回见~~
来源/我在现场
预览时标签不可点收录于话题#个上一篇下一篇