Première Mondiale, Première Industrielle : L'université De Wuhan Ouvre Un Ensemble De Données De Reconnaissance Faciale De Masque Source

L'Université de Wuhan a mis à disposition gratuitement le premier ensemble de données au monde sur les visages masqués, comprenant près de 100 000 images de visages réels portant des masques et de visages normaux, ainsi que 500 000 images simulées de visages portant des masques.

Durant cette période particulière de lutte contre la nouvelle pneumonie à coronavirus, les enseignants et les étudiants de l'Université de Wuhan n'ont pas ralenti le rythme de la recherche scientifique.
Début mars, le Centre national de recherche sur les technologies logicielles multimédias de l’Université de Wuhan a ouvert un ensemble de données spécial sur la reconnaissance faciale :Ensemble de données sur les visages masqués :Ensemble de données sur les visages masqués du monde réel, abrégé en RMFD.

Le premier ensemble de données de masques réels au monde

Pendant l’épidémie de COVID-19, presque tout le monde portait un masque, ce qui rendait la technologie de reconnaissance faciale précédente pratiquement inefficace.La technologie de reconnaissance faciale capable de détecter les expressions faciales cachées par des masques est devenue un besoin urgent pendant l’épidémie.

Le 8 mars, le professeur Wang Zhongyuan du Centre national de recherche sur les technologies d'ingénierie logicielle multimédia de l'Université de Wuhan a dirigé une équipe pour lancer rapidement des recherches d'urgence sur la reconnaissance faciale par masque.

Il est rapporté que le professeur Wang Zhongyuan a dirigé une équipe de plus de dix étudiants diplômés, dont Huang Baojin, Hong Qi et Wu Hao, pour collecter initialement 360 000 données faciales et développer des outils de production auxiliaires semi-automatiques tels que le nettoyage et l'étiquetage des données.

Ensemble de données 1 : ensemble de données de 5 000 masques réels 

En plus de simuler des ensembles de données de masques faciaux,L'équipe a également créé le premier ensemble d'échantillons de reconnaissance faciale de masque réel public au monde, RMFD, qui comprend 5 000 visages masqués de 525 personnes et 90 000 visages normaux.

  Ensembles de données ② et ③ : 500 000 ensembles de données de masques simulés (y compris la simulation WebFace et la simulation LFW) 

Parallèlement, afin d’élargir la diversité des données, l’équipe a développé un logiciel précis de port de masque.En mettant des masques sur les visages des personnes dans l’ensemble de données publiques, nous avons construit un ensemble de données de masques simulés de 10 000 personnes et 500 000 visages.

L'ensemble d'échantillons de reconnaissance faciale par masque doit contenir plusieurs images de visage de la même personne avec et sans masque, ce qui est difficile à construire.

Par conséquent, en réponse au long cycle de production des ensembles d'échantillons de masques faciaux, l'équipe a développé un itinéraire technique de R&D itératif en quatre étapes et formulé quatre ensembles de plans de R&D, afin que des ajustements et une sélection opportuns puissent être effectués en fonction de la situation de l'ensemble d'échantillons et des performances du modèle.

À l’heure actuelle, les ensembles de données de reconnaissance faciale de masques réels et les ensembles de données de reconnaissance faciale de masques simulés ont été ouverts gratuitement au public. Les ensembles de données de reconnaissance faciale de masque simulé incluent l'ensemble de données de visage de masque simulé WebFace et LFW.

Sur la base de l'ensemble de données qu'ils ont établi, l'équipe a développé un modèle de reconnaissance faciale par occlusion de masque multigranulaire visage-sourcil.Atteint une précision de 95 % sur l'ensemble de données. 

Ensembles de données : les contributions sont les bienvenues 

De plus, afin d'élargir davantage l'ensemble de données, l'équipe invite chacun à envoyer sa collection personnelle de photos de personnes portant un masque à x_zhangyang@whu.edu.cn, et traitera les images reçues de manière unifiée.

Maintenant que nous avons l’ensemble de données, comment le télécharger et l’utiliser ?

Comment télécharger ? 

Ensemble de données de reconnaissance faciale par masque_Adresse de téléchargement open source :

https://github.com/X-zhangyang/Real-World-Masked-Face-Dataset

  Comment l'utiliser ? 

Pendant l’épidémie, comment pouvons-nous poursuivre les tâches d’apprentissage automatique alors que nous ne pouvons pas obtenir de puissance de calcul des écoles et des entreprises ?

Le partenaire que nous souhaitons présenter cette fois-ci est OpenBayes, un service cloud qui fournit une puissance de calcul cloud pour l'apprentissage automatique. Ils disposent d’un cluster de supercalcul à grande échelle. L'architecture du cluster GPU est conçue spécifiquement pour le calcul matriciel et fournit des conteneurs de puissance de calcul pour les applications d'IA. Il est très facile à démarrer et peut être utilisé dès sa sortie de la boîte. Actuellement, les produits de conteneur de puissance de calcul d'OpenBayes prennent déjà en charge TensorFlow, PyTorch, MXNet et autres environnements CPU et GPU, différentes versions et types de frameworks d'apprentissage automatique standard et diverses dépendances courantes.

Actuellement, le conteneur informatique OpenBayes prend en charge les bibliothèques standardet fournir CPU, NVIDIA T4, NVIDIA Tesla V100 et autres ressources informatiquesQu'il s'agisse d'une formation centralisée de données massives ou d'un fonctionnement résident sur un modèle à faible consommation d'énergie, il peut facilement répondre aux besoins des utilisateurs.

Du CPU au T4 en passant par le V100, une large gamme de configurations de conteneurs informatiques Prise en charge d'OpenBayesTéléchargement de script et éditeur JupyterLabProgrammation en ligne puis formation sur modèle.

Processus d'exécution clair et concisTutoriel complet : https://openbayes.com/docs/quickstart/

Inscrivez-vous en tant que nouvel utilisateur et profitez de la puissance de calcul du GPU !

Visitez openbayes.com, cliquez sur le site officiel pour vous inscrire immédiatement, et il y aura des cadeaux hebdomadaires pendant la période de test interne, vous n'aurez donc pas à rivaliser avec vos camarades de classe et vos collègues pour la puissance de calcul~

L'ensemble de données peut être utilisé/téléchargé directement à partir de ressources publiques Description de l'activité  Visitez openbayes.com  Inscrivez-vous en tant que nouvel utilisateur avec le code d'invitation [HyperAI]Vous pouvez profiter600 minutes de CPU + 300 minutes de NVIDIA T4 par semaine  Puissance de calcul gratuite~

-- sur--