簡介
百度人臉識別搜尋 百度人臉識別搜尋如何通過一張圖片，找到另一張圖片？對於搜尋引擎而言，尋找圖片之間的內在聯繫，與常見的關鍵字搜尋並沒有本質區別——都是通過關鍵特徵的比對，按照一定的邏輯規則完成匹配。然而不同之處也是顯而易見的，以圖片為輸入發起的搜尋，存在多種搜尋含義的可能 。
百度人臉搜尋
百度人臉識別搜尋2012年的百度年會中，李彥宏特意提到百度識圖：“以圖搜圖的準確率從20%提升到80%”。百度識圖找到相似圖片的能力似乎並未顯著提升，那么改變從何而來？李彥宏把這種明顯的提升歸因於剛上線的人臉識別搜尋。
如果用戶給出一張圖片，百度識圖會判斷裡面是否出現人臉，如果有，百度識圖在相似圖片搜尋之外，同時會全網尋找出現過的類似人像。
新增加的技術簡而言之，首先是人臉檢測並提取出特徵表達，隨後再據此進行資料庫對比，最後按照相似度排序返回結果。其實，人臉檢測並不是新技術，相關研究已有三十年歷史，然而直到去年底，百度才決定推動這一技術付諸實施。
這裡面自然有戰略層面的考慮。2011年，李彥宏就對未來做出讀圖時代的判斷；2012年的KDD大會上，李彥宏提出的九大待解技術挑戰中，基於內容的圖像搜尋技術被列在第三；現實層面百度的圖片相關產品、雲相冊等均對這一技術有需求。
百度還希望藉助這一途徑，挖掘圖片之間的聯繫，進而激發二次瀏覽。然而要把想法變為現實，百度至少要解決兩個問題：一是算法，二是數據。
算法方面
同樣是基於圖片進行搜尋，人臉識別和以圖搜圖並不一樣。百度資深工程師陶吉告訴創事記，百度人臉識別首先並不關注完整的圖像結構，其次顏色也沒有任何意義。最主要的特徵表達來自於臉部紋理，並進行一些再加工。
具體算法作為商業機密，難以對外界披露。不過資料顯示，人臉識別算法中LBP是比較流行的一種特徵提取方式，即通過像素周邊8個臨近像素的灰度值和中心灰度值比較，得到一個八位編碼，然後再根據編碼的直方圖進行分類。
百度人臉識別搜尋而影響算法效果的因素還可能包括預處理、特徵選擇、特徵點定位精度、分類器設計和後處理乃至各種方式的融合、閾值選擇等各個方面。
一張圖片中，人臉至少有40×40像素(約一個指甲蓋大小)，才會被當作有效的識別對象。如果一張圖片中多個人像，目前百度的解決辦法是僅識別尺寸最大的那個，未來百度將提供焦點選擇功能，用戶可以通過選點確定搜尋對象。
數據方面
算法的改善如果算是充分條件，數據的處理則是必要條件。從機器搜尋的角度看，光照、姿態、表情、角度等因素，均是影響巨大的因素，所謂“笑和不笑，都是不同”。所以用來訓練的數據量越大，變化的包容性就越好。
人臉識別搜尋實際使用時，同一張人臉積累的數據越多，越能在匹配對比時提供更好的支持。為此百度需要把全網近百億規模的圖片抽取出來，然後把沒有人臉的數據去掉，再海量掃描一遍，建立起儘量高效的索引。
人臉識別引入搜尋引擎，必然會加劇外界關於隱私泄漏的擔心。百度強調人臉搜尋只會在公開的信息範圍內進行，封閉的個人相冊並不會被觸及。
這還涉及準確率、召回率等概念。假設資料庫里有一百張劉德華的圖片，用劉德華的頭像發起搜尋，前50張結果中40張是真正的劉德華，那么前50張的召回率就是40%，準確率是80%。同樣假如資料庫中只有兩張路人甲的圖片，當用路人甲的頭像發起搜尋，前50張可能只有1張真正的路人甲，那么前50張的召回率是50%，準確率是2%。
由於名人在網上的照片較多，能被用戶感知到的準確率要比普通人高很多，而召回率是用戶感知不到的。據透露，人臉識別搜尋技術會在百度雲相冊內部進一步結合，幫助用戶在圖片之間建立聯繫，而且未來不排除開放API的可能。
除了上述技術討論之外，從百度的研發體系看，人臉識別搜尋也頗具代表性。
這個先後投入幾十個工程師、百度基礎技術部的多媒體部門負責核心算法的項目，2012年11月下旬立項，12月底就已經上線運行。這個速度在百度並不常見，因此也有人半開玩笑的說這是百度近期“改作風”運動成效的代表。
值得注意的是百度新成立的基礎技術部。這個部門由百度首席科學家王海峰帶領，並且直接向李彥宏匯報。據說一些李彥宏會親自參與一些重點項目。自然語言處理、網際網路數據挖掘、多媒體、推薦和個性化等技術研發，均由百度基礎技術部負責。
還是在百度年會上，李彥宏稱百度不會忽視渠道的價值，但技術才是未來產業的關鍵。“相信技術的力量，未來就在我們手裡”，李彥宏發出這樣的號召。顯然，百度的“變奏”已是必然要上演 。
