平安金融壹账通旗下加马人工智能研究院(Gamma Lab)继斩获OMG国际微表情权威评测冠军之后，在人类情绪理解领域再攀高峰，在2018 EmotioNet 国际面部动作单元(Action Unit， 简称AU)识别竞赛上以94.46%的准确率获得世界第一的排名。
EmotioNet是面部动作单元识别领域最具代表和关注的评测竞赛之一，其各种研究成果在计算机视觉三大顶级会议中的CVPR和ICCV上均有发表。2018 EmotioNet由Ohio State University举办，吸引了包括麻省理工大学(MIT)、VersionLabs、华盛顿大学(University of Washington)等诸多专业团队积极参与。与情绪识别不同，面部动作单元(AU)识别更强调准确的检测面部微小动作单元的变化。
为了更精细地表述人类表情，研究人员根据人脸肌肉的解剖学特点，将人脸分解为许多面部动作单元，并描绘出了不同的脸部肌肉动作和不同表情之间的对应关系。通过识别这些面部单元以及它们的不同组合，我们可以进行面部表情识别、情绪理解等诸多任务。
此次比赛提供95万张训练图片和25000张验证图片用于参赛队伍设计算法模型，最终在接近20万张图片上评测。该比赛对于参赛者主要有三个难点：(1)有准确标签的数据少(25000张)，大部分数据是无标签的(95万张)，因此需要用到transfer learning、semi-supervised learning等方法充分利用无标签的数据辅助训练;(2)人脸的角度分布复杂，很多是侧脸的数据;(3)人脸的遮挡较多。以上这些对于参赛者都是不小的挑战。
Gamma Lab作为平安金融壹账通旗下人工智能研究院，致力于推动大数据、人工智能等前沿技术在金融领域的深度应用。此次Gamma Lab挑战的面部动作单元识别任务具有极高的学术研究价值和商业应用价值，让计算机能够捕捉到人很难辨别的微小面部动作，在贷款面审、教育培训等场景都具有广泛的应用前景。事实上，Gamma Lab已经在金融场景做了深入探索，将微表情技术运用在贷款面审中，推出微表情面审辅助系统。该系统运用了54种情绪识别能力、39种面部动作单元识别技术、11种Hand over Face姿势识别技术以及头动和眼动监测模型，可以识别90%以上表情变化，更能通过实时抓取客户的微表情、转移视线、抓耳挠腮甚至是回答问题的反应时长等细致的动作，来智能判断并提示欺诈风险。同时，该系统还整合了基于知识图谱的智能回答引擎，覆盖1000个行业的海量问题库，可提升面审问题的随机性和质量，大幅降低欺诈风险。
Gamma Lab有超过350位科技人才，累计申请专利技术200多项，发表论文10余篇。目前，Gamma Lab已将世界领先的54种情绪识别能力以及39种面部动作单元识别能力对外开放，以推动微表情技术的场景化应用。
|
