Как технологии распознают человека

Тема лекции: «Камера знает вас в лицо: как технологии распознают человека, и почему вам больше не нужна банковская карта».

Ключевые тезисы:

– Что такое распознавание лиц, и как оно устроено.
– Преимущества и особенности оплаты с помощью лица.
– Какие услуги ИИ даёт нам сейчас, и какие обеспечит в будущем.

11 мая в московском Nike Box MSK мы провели очередной «Бегторий». На нём выступил генеральный директор VisionLabs (входит в экосистему Сбербанка) Александр Ханин.

Transcript

1. Co-founder & CEO
2. Алгоритм распознавания лиц VisionLabs №1 в мире среди лучших алгоритмов по качеству и скорости в независимом тестировании NIST 01 Данные с более 1 000 000 IP-камер ежедневно обрабатываются продуктами VisionLabs. Самое крупное внедрение – более 76 000 IP-камер у одного клиента Решение VisionLabs рекомендовано NVIDIA на глобальном уровне для использования в проектах Smart City
3. 02 Искусственным интеллектом (ИИ) сегодня фактически называют алгоритмы машинного обучения с учителем. Их возможности далеки от “общего искусственного интеллекта”. Текущие алгоритмы хорошо работают в следующих случаях: • изображения • звук • текст категории слова настроение
4. 03 VGG GoogleLeNet BAIDU Human ResNet 6.8% 6.6% 5.3% 5.1% 3.6% LBP FVF DeepFace VGG Human YouTu Lab ReadSense Glasssix 87.3% 93.0% 97.3% 99.1% 99.2% 99.80% 99.82% 99.83% SIFT + FVs [7] 1 CNN 5 CNNs 1 CNN* 7 CNNs* 26.2% — 16.4% — 15.3% ILSVRC’12: 1.2M images, 1K classes LFW Leopard Jaguar Cheetah Snow leopard Egyptian cat
5. • Точечные изменения лица человека • Внутренние изменения: макияж, прическа, выражение эмоций • Внешние факторы: масштабирование изображения, шум, искажения и тд. 07
6. • Не нужно взаимодействие с человеком • Не требуется специального оборудования • Для приемлемого результата не нужно быть криминалистом 08
8. Масштабирование + Поворот в 2D + Обрезание 10
9. Глубокая нейросеть 1 Глубокая нейросеть N 11
10. = = 12
11. # () # # () # Распознать лицо, если  =10   13
12. • TPR при FPR 10-3 ≈ 99,18% • TPR при FPR 10-6 ≈ 99,00% • TPR при FPR 10-8 ≈ 92,44% TPR: True Positive Rate FPR: False Positive Rate Face Descriptor Size ~ 512 bytes 14
14. Обработка всех данных полностью соответствует местным законам и корпоративной IT-безопасности Данные клиентов 100% зашифрованы 100% защищены от несанкционированного доступа 16
22. Customers age distribution (30 min interval) Traffic distribution (30 min interval) 25
23. Men Women 26
25. 28 Семейное положение Женат (7 лет) Дети • Сын (6 лет) • Дочь (3 года) Месячный доход 45 000 - 50 000 руб. Расходы за месяц 35 000 – 40 000 руб. Кредиты Ипотека (4 года): 2014: 1 250 000 2015: 360 000 2016: 340 000 2017: 320 000 Клиент • Банк А • Банк Б Долги Рассрочка на авто
29. «Я привык находить магазин, продукты, скидки в своем смартфоне» «Я не покупаю у них продукты, услуги, потому что все время очереди, у соседей, хоть и дороже, но быстрее.» «А у них есть для меня что-то особенное? Вот в магазине X мне всегда предлагают скидку на товар, который я часто у них покупаю.» «Они мне все время присылают СМС с товарами, которые мне не нужны, в том числе женские, а я вроде как не женщина, раздражает.» 33
30. «В магазине Х я все время какие-то фишки и бонусы получаю, выгодно туда часто ходить» «У меня нет их электронной скидочной карточки, а пластиковые карты где-то дома валяются, телефон не люблю на людях диктовать» «У меня нет их карты лояльности» «Я им сто раз оставляла отзывы о том, что их сырники как тесто на вкус. Остальные блюда вроде ничего, но я сырники люблю, а они, кажется, даже не увидели ни одного моего отзыва». 34
31. Мобильное приложение в смартфоне клиента Ваше предложение для всех, кто рядом 1-1,5 км. Страница магазина, ресторана с акциями и необходимой информацией Welcome бонус – мгновенный cashback на банковскую карту Возможно: баллами, мгновенной скидкой Оплата по биометрии лица, без смартфона, карт наличных Безопасная продажа алкоголя, сигарет 35
33. 37 Сокращение времени расчета с учетом скидки Вернули клиентов, которые поставили низкие оценки Вернулось клиентов после первой покупки Рост среднего чека
37. Не обнаружено Сергей Иванов Внимание на дорогу По центру Не говорит по телефону Положение головы и зрачки в норме 45
38. a.khanin@visionlabs.ai www.visionlabs.ai E-mail Web