211service.com
Virtuelle øjne træner dyb læringsalgoritme til at genkende blikkets retning
Øjenkontakt er en af de mest kraftfulde former for nonverbal kommunikation. Hvis avatarer og robotter nogensinde skal udnytte det, bliver computerforskere nødt til bedre at overvåge, forstå og reproducere denne adfærd.
Men eye tracking er lettere sagt end gjort. Den måske mest lovende tilgang er at træne en maskinlæringsalgoritme til at genkende blikretning ved at studere en stor database med billeder af øjne, hvor blikretningen allerede er kendt.
Problemet her er, at store databaser af denne art ikke eksisterer. Og de er svære at skabe: Forestil dig at fotografere en person, der kigger i en lang række retninger, ved at bruge alle mulige forskellige kameravinkler under mange forskellige lysforhold. Og så gør det igen for en anden person med en anden øjenform og ansigt og så videre. Et sådant projekt ville være enormt tidskrævende og dyrt.
I dag siger Erroll Wood ved University of Cambridge i Storbritannien og et par venner, at de har løst dette problem ved at skabe en enorm database med netop den slags billeder af øjne, som en maskinlæringsalgoritme kræver. Det har givet dem mulighed for at træne en maskine til at genkende blikkets retning mere præcist end nogensinde før.
Så hvordan har de gjort dette? Deres trick er at skabe databasen helt kunstigt. De begynder med at bygge en meget detaljeret virtuel model af et øje, et øjenlåg og området omkring det. De bygger derefter denne model ind i forskellige forskellige ansigter, der repræsenterer mennesker i forskellige aldre, hudfarver og øjentyper og fotograferer dem - praktisk talt.
Fotografierne kan beskrives med fire forskellige variable. Disse er: kameraposition, blikretning, lysmiljø og øjenmodel. For at skabe databasen begynder Wood og co med en bestemt øjenmodel og lysmiljø og starter med øjnene, der peger i en bestemt retning. De varierer derefter kamerapositionen og tager billeder fra en lang række vinkler rundt om hovedet.
Dernæst flytter de øjnene til en anden position og gentager variationerne i kameraposition. Og så videre.
Resultatet er en database med mere end 11.000 billeder, der dækker 40 graders variationer i kameravinkler og ændringer i blikvariation over 90 grader. De valgte øjenfarve og miljømæssige lysforhold tilfældigt for hvert billede.
Endelig brugte Wood og co datasættet til at træne et dybt foldet neuralt netværk til at genkende blikkets retning. Og de testede den resulterende algoritme på et sæt naturlige billeder taget fra naturen. Vi påviste, at vores metode udkonkurrerer state-of-the-art metoder til udseendebaseret blik-estimering på tværs af datasæt i naturen, siger de.
Det er interessant arbejde. Dybe læringsteknikker tager i øjeblikket ordet om datalogi med storm takket være to fremskridt. Den første er en bedre forståelse af selve neurale netværk, hvilket har gjort det muligt for computerforskere at forbedre dem markant.
Den anden er oprettelsen af enorme kommenterede datasæt, der kan bruges til at træne disse netværk. Mange af disse nye datasæt er blevet oprettet ved hjælp af crowd sourcing-metoder såsom Amazons Mechanical Turk.
Men Wood og co har taget en anden tilgang. Deres datasæt er helt syntetisk, skabt inde i en computer. Så det bliver interessant at se, hvor de ellers kan anvende denne syntetiske metode til at skabe datasæt til andre typer deep learning.
Ref: arxiv.org/abs/1505.05916 : Gengivelse af øjne til registrering af øjenform og blikvurdering