人脸识别界的“世界杯”榜单出炉，中国参赛团队位列第二

老三届azq

业界公认人脸识别“世界杯”的微软百万名人识别竞赛 MS-Celeb-1M 结果出炉：百万名人识别子命题，Panasonic-新加坡国立大学合作夺得第一，CIGIT和中科院合作队伍与美国东北大学位列第二第三。MS-Celeb-1M 数据集有效填补了工业界跟学术界的空白，通过有针对的评估指标设计，竞赛实现了人脸“端到端”识别，有助于参赛模型投入现实应用。最后，竞赛识别单一训练样本的名人子命题的冠军团队成员分享了他们的思路方法和参赛经验。

2016 年 6 月，微软向公众发布了大规模现实世界面部图像数据集 MS-Celeb-1M，含有 10 万个名人的约 1000 万（10M）张脸部图片，鼓励研究人员开发先进的人脸识别技术。

同时宣布的还有 MS-Celeb-1M 百万人脸识别挑战赛。参赛者需要根据（但不限于）挑战赛提供的数据集作为训练数据，开发图像识别系统，从脸部图像中识别 100 万个名人。

今天，竞赛结果公布，其中：

老三届azq

百万名人识别子命题，

a，无限制类（可以自由使用外部数据），Panasonic-NUS（新加坡国立大学）获得第一名，中科院重庆绿色智能技术研究院（CIGIT）与中科院合作团队第二，美国东北大学第三；

b，有限制类（只使用竞赛提供数据），第一名是 Beijing Orion Star Technology Co., Ltd.识别单一训练样本的名人子命题，

a，无限制类（可以自由使用外部数据），第一名是 NUS-Panasonic

b，有限制类（只使用竞赛提供数据），第一名是美国东北大学优胜团队在技术上都采用了基于深度学习的方法，以及网络大数据。从中可以看出，网络大数据是发展趋势，多模型融合是现在各个比赛得奖的利器。

微软百万名人识别竞赛 MS-Celeb-1M：填补学术界与工业界的空白人脸识别竞赛有很多，微软的百万名人识别挑战赛与已有的竞赛有什么不同？

据微软技术与研究院（Microsoft Technology and Research）首席研究员/研究经理张磊博士介绍：首先，MS-Celeb-1M 的目标是识别百万人脸，是计算机视觉内最大规模的分类问题，并且其中一个人物对应一个 entity，绑定了知识库，并且知识库中提供了每个人的职业，性别等等丰富的信息，从而解决了人物重名的问题，可以从识别达到认知。“最开始我们是面向学术界做的这个数据集，”张磊告诉新智元：“但后来很多工业界的同行也表示我们的数据集对他们的研究工作很有帮助。”

深度学习算法的进步使视觉识别在过去几年中取得了很大的进步。但是，学术上的创新和实际投入生活使用的智能服务间仍然存在巨大差距，主要因为：

（1）学术研究缺乏现实世界的大规模数据，从而阻碍了有效训练和评估算法；

（2）缺乏公开透明的平台进行公正、高效的评估，使识别结果可复现，容易获得。