Face Recognition ที่แม่นยำที่สุด (Open Source)

ทุกวันนี้อะไรๆก็ดูง่ายไปหมด การรู้จำใบหน้า (Face recognition) ก็เช่นกัน ประเทศไทยที่สนามบินก็มีการใช้ Face recognition ไว้ตรวจจับใบหน้ากับ passport ว่าใช่คนเดียวกันหรือไม่ หากใช่ก็จะสามารถผ่านไปได้ ดังรูปด้านล่าง

รูปภาพจาก https://www.youtube.com/watch?v=WknTpPKxb_M

แล้วทีนี้เราจะได้รู้ได้อย่างไรว่ามันตรวสอบได้?

คำตอบก็คือ มันตรวจสอบได้ครับ แต่มันแม่นยำแค่ไหน นี้แหละครับคือสิ่งที่ผมจะบอก มีเครื่องมือให้ใช้ให้เลือกมากมาย บางอันใช้ง่าย บางอันใช้ยาก และนี้คือเว็บฐานข้อมูลใบหน้าที่หลายๆ paper ใช้ทดลอง ทดสอบ เราสามารถโหลดมาใช้ได้เลยครับ

LFW Face Database : Main

มีรูปภาพใบหน้าอยู่ประมาณ 13,000 รูป จากคน 1,680 คน

ซึ่งผมได้เข้าไปตรวจสอบว่า paper ไหนบ้างที่อ้างอิง ฐานข้อมูลใบหน้านี้

ก็สามารถตรวจสอบได้จาก link นี้ครับ

LFW : Results

เขาจะบอกความแม่นยำของแต่ละ paper ทั้งหมดเลย

เห็นมั้ยครับว่าไม่มี paper ไหนถึง 100% เยอะที่สุดก็ paper ล่าสุด Camvi 99.87 %

ซึ่งแน่นอนครับว่ามันไม่ใช่ open source แน่ๆ ถ้าใช่นี่คงรวยเละกันเลยทีเดียวครับ 55555 และทีนี้เราจะรู้ได้อย่างไรว่าตัวไหนเป็น open source ผมคิดว่าทุกคนคงต้องใช้เว็บนี้เป็นประจำแน่นอนครับ พิมพ์เข้าไปเลยครับ github.com แล้วก็ search คำว่า face recognition

Build software better, together

มีให้เลือกใช้หลายตัวเลยครับ

ไม่ว่าจะเป็น ageitgey/face_recognition ซึ่งถูกทำให้ง่ายขึ้นแต่จริงๆแล้วมัน implement มาจาก Dlib ซึ่ง ความแม่นยำอยู่ที่ 99.38% หากใครเล่น Docker เป็นก็โหลดมาแล้วใช้ได้เลยนะครับ

ตัวนี้คือตัวที่ผมจะพาใช้นะครับ davidsandberg/facenet ชื่อก็บอกอยู่แล้วครับ Facenet หากเราลองค้นหาดูก็จะพบ paper หลักของมันครับ ตัวนี้ความแม่นยำอยู่ที่ 99.65% แล้วก็ cmusatyalab/openface นะครับที่ implement มาจาก Facenet ทำให้มันใช้งานง่ายและหลากหลายมากขึ้น แต่ความแม่นยำลดลงเหลือ 92.92% ผมก็ไม่รู้ว่าเขา implement อย่างไรนะครับมันถึงลดลง แต่เดี๋ยวเราจะพาไปดูตัวหลักของ Facenet กันอีกทีครับ

และตัวสุดท้ายครับ deepinsight/insightface ตัวนี้แม่นยำที่สุดครับ ที่เป็น open source ความแม่นยำอยู่ที่ 99.83% implement มาจาก ArcFace ใช้งานยากหน่อยนะครับ เพราะยากทั้งการติดตั้ง และต้องการ GPU ด้วยครับ ความเร็วในการประมวลผลช้ามากครับ แต่ถ้าใครอยากลองก็ลองดูได้นะครับ

ต่อไปเราจะมาลอง code ฉบับ Lazy-Dev กันดูนะครับ ผมจะไม่พาเล่นตัวสำเร็จรูปนะครับ แต่จะพาเล่นตัวหลักๆมันนะครับ ก็คือ Facenet นะครับ โหลดลงมาเลยนะครับ

davidsandberg/facenet

ผมใช้ python 3.6 ใครใช้ Window หรือ Mac ก็ลง python ก่อน

ก่อนจะรัน facenet ต้อง install requirements ก่อนนะครับ ดัง code นี้เลย

pip install -r requirements.txt

เสร็จแล้วเข้าไปที่โฟลเดอร์ src แล้วรัน compare.py

python compare.py

ได้ error ดังรูปครับ

ที่ error เพราะเราต้องมี model ก่อนครับ ถ้าอยากสร้าง model เองก็ลองดูได้นะครับ แต่ผมจะพาใช้ model ที่มีความแม่นยำ 99.65% โหลดเลย

20180408–102900.zip

จากนั้นแตกไฟล์ไปยังโฟลเดอร์ src

แล้วโหลดไฟล์รูปภาพบนฐาน LFW มาลองทดสอบครับ

http://vis-www.cs.umass.edu/lfw/lfw.tgz

แตกไฟล์ไปยังโฟลเดอร์ src ดังรูปด้านล่างครับ

ในโฟลเดอร์ LFW จะมีรูปภาพอยู่หลายคนนะครับแยกตามแต่ละชื่อบางคนมี 1 รูป บางคนมี 2 รูป เราจะทดสอบคนที่ชื่อ Aaron_Peirsol ว่าเป็นอย่างไร

ทดสอบรันไฟล์ compare.py ครับ

python compare.py ./ lfw/Aaron_Peirsol/*

ได้ผลลัพธ์ดังนี้ครับ

model direcotry: คือ โฟลเดอร์ที่มี model อยู่

ซึ่งจะได้ Metagraph file และ Checkpoint file ออกมา

จากนั้นจะหา Images ที่เราต้องการ compare

จะได้ออกมา 4 คน และจะได้เป็นค่า distance value เป็น metrix 4x4 ออกมาดังรูป

ที่นี้ลองเปรียบเทียบคนที่ไม่ใช่คนเดียวกัน

python compare.py ./ lfw/Aaron_Eckhart/* lfw/Aaron_Guiel/*

จะเห็นว่าค่า distance คือ 1.3417 ซึ่งมากกว่า 1

แล้วสรุปแล้ว ค่า distance ที่ได้ คือค่าที่หมายถึงอะไร ???

เฉลยนะครับ

ค่า distance คือค่าที่ไว้บอกความเหมือนของใบหน้าแต่ละรูปภาพที่เปรียบเทียบกัน

• distance = 0 => รูปเดียวกัน
• distance ≤ 0.9641 => ใบหน้าคล้ายคลึงกัน
• distance > 0.9641 => ใบหน้าไม่คล้ายคลึงกัน

วันนี้พอแค่นี้ก่อนละกันครับ สงสัยหรือมีปัญหาอะไรสอบถามมาได้เลยนะครับ

ครั้งหน้า!! จะมาเล่าประเด็น Face detection, Face comparison และ Algorithm กันนะครับ หากใครมีประเด็นไหนสนใจอยากให้พูดถึงในครั้งถัดไปก็บอกเข้ามาได้นะครับ

ขอบคุณที่ปรบมือให้ครับ