面臨更加成熟技術(shù)的競(jìng)爭(zhēng)

豬臉識(shí)別需要依靠數(shù)據(jù)采集，數(shù)據(jù)的學(xué)習(xí)以及最后的檢索等程序來(lái)確定豬的身份，每一個(gè)環(huán)節(jié)都可能會(huì)因?yàn)榧夹g(shù)及概率的缺陷造成誤差。而經(jīng)過長(zhǎng)時(shí)間發(fā)展的智能耳標(biāo)則更成熟，而且在確定豬的身份上更加精確。

耳標(biāo)相當(dāng)于豬的身份證，具有唯一性，既可以滿足動(dòng)物日常信息管理，也可以實(shí)現(xiàn)動(dòng)物產(chǎn)品的全程追溯。

雖然陳瑤生教授表示，戴耳標(biāo)、植入芯片等方法識(shí)別豬只，會(huì)給動(dòng)物帶來(lái)了不必要的身體傷害，但是讓豬再快樂地生活，最后都免不了痛苦的去死。而隨著智能耳標(biāo)也在向著人工智能的方向發(fā)展，顯然這兩門技術(shù)的決斗還尚未開始。

除了“豬臉識(shí)別“，還有“羊臉”、“牛臉”、“狗臉”、“馬臉”……

上面提到“牛臉”、“羊臉”識(shí)別相對(duì)于“豬臉識(shí)別”更簡(jiǎn)單，而其發(fā)展無(wú)疑會(huì)給“豬臉識(shí)別”新的啟示。劍橋大學(xué)的教授就開發(fā)了一種表情識(shí)別系統(tǒng)，通過面部識(shí)別來(lái)判斷綿羊的疼痛程度，如果將這項(xiàng)技術(shù)應(yīng)用到牧場(chǎng)，用攝像頭來(lái)監(jiān)控羊群，就可以及時(shí)發(fā)現(xiàn)綿羊的生病情況。

狗作為人類最忠實(shí)的好朋友，“獸工智能”在其身上取得的成果并不少，智能相對(duì)論曾對(duì)此分析過。而今年4月1日百度推出的“狗臉識(shí)別”，不僅可以便于寵物的找回，而且能夠掃描狗臉喂食、自由進(jìn)出門禁、還能收取快遞與購(gòu)買商品并支付等功能。雖然初衷是好的，但后面的幾點(diǎn)畫風(fēng)似乎很清奇，畢竟自由進(jìn)出門禁可能會(huì)發(fā)生，壞人拎著我的狗偷走了我的錢怎么辦？

而在未來(lái)，除了前面提到的，生物活體識(shí)別技術(shù)通過深度學(xué)習(xí)對(duì)動(dòng)物面部特征、整體體態(tài)和行為特征進(jìn)行識(shí)別，判斷其品種和其健康情況比如哪些動(dòng)物生病了，生了什么病，那些動(dòng)物沒有吃飽，甚至哪些動(dòng)物到了發(fā)情期需要配種等等。

更重要的是，可以為食品安全、養(yǎng)殖戶信貸服務(wù)甚至更多的金融服務(wù)等商業(yè)應(yīng)用提供決策依據(jù)。

然而說(shuō)到這里，開頭提出了的豬臉難以識(shí)別的問題似乎還沒有解決。而在陳瑤生教授的豬臉識(shí)別技術(shù)的實(shí)驗(yàn)場(chǎng)中，母豬識(shí)別率為98％（估計(jì)是母豬體型大不好移動(dòng)），肉豬識(shí)別率則為85％。這個(gè)識(shí)別率并不算高，特對(duì)是對(duì)大規(guī)模的養(yǎng)殖場(chǎng)而言。

所以，俺老豬面部識(shí)別率還可以再提高嗎？

當(dāng)前使用的人工智能技術(shù)來(lái)實(shí)現(xiàn)視覺識(shí)別的原理基本上是一致的，即利用計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)，學(xué)到每一頭豬的特征，然后利用深度學(xué)習(xí)的模型，針對(duì)測(cè)試數(shù)據(jù)集，得到每一頭豬的概率，最后來(lái)判別哪頭豬是哪頭豬。

最常采用的做法是把人臉的模型直接fine tune（微調(diào)）到動(dòng)物臉，但是fine tune在深度學(xué)習(xí)里面更像是一個(gè)處理手段。

而Transfer learning（遷移學(xué)習(xí)）可以看成是一套完整的體系，是一種處理流程。目的是不拋棄從之前數(shù)據(jù)里得到的有用信息，同時(shí)應(yīng)對(duì)新進(jìn)來(lái)的大量數(shù)據(jù)的缺少標(biāo)簽或者由于數(shù)據(jù)更新而導(dǎo)致的標(biāo)簽變異情況。

京東舉辦的“豬臉識(shí)別”冠軍團(tuán)隊(duì)就是采用的這種辦法，該團(tuán)隊(duì)表示剛拿到數(shù)據(jù)集時(shí)，很難分辨哪頭豬是哪頭。而當(dāng)他們使用模型再運(yùn)行數(shù)據(jù)，發(fā)現(xiàn)豬臉識(shí)別的最后運(yùn)行效果達(dá)到比模型跑人臉的效果還好。

但是值得一提的是，由于AI工作與其他科學(xué)研究相比，學(xué)術(shù)研究數(shù)據(jù)，尤其是大量級(jí)、多維度、優(yōu)質(zhì)、真實(shí)的數(shù)據(jù)依賴程度高。據(jù)官方報(bào)道，該數(shù)據(jù)素材只拍攝了兩天，因此京東這次拍攝的數(shù)據(jù)并不具備時(shí)間上的動(dòng)態(tài)變化，具有一定的局限性。

而這里采用遷移學(xué)習(xí)識(shí)別馬，則使用了一種全新的思路。由于人臉的特征和動(dòng)物臉部的特征本身的差異很大，但是當(dāng)動(dòng)物的臉部做了變形之后，就會(huì)和人臉比較相似了，所以，我們需要先找到一個(gè)人臉和馬臉相似性較大的一個(gè)映射空間，然后使得人臉的訓(xùn)練數(shù)據(jù)可以被有效的利用起來(lái)訓(xùn)練馬臉。

具體辦法是，先找到人臉和馬臉角度或者表情相似的圖片，然后以相似的部位作為關(guān)鍵點(diǎn)，接著訓(xùn)練獲得一個(gè)映射區(qū)間，得到了這一映射區(qū)間之后，把原來(lái)的馬臉圖片做變換，最后再采用人臉模型去fine tune動(dòng)物臉檢測(cè)的模型。

顯然，“豬臉識(shí)別”也可以借鑒這種辦法，相信在不久的未來(lái)，“豬臉識(shí)別”技術(shù)可以更加準(zhǔn)確。

由于大多數(shù)人都臉盲，佩奇就是我們見過最單純的豬了。而其他的，更精細(xì)的識(shí)別與診斷，只能通過“獸工智能”來(lái)實(shí)現(xiàn)了。（雷宇）