面臨更加成熟技術的競爭

豬臉識別需要依靠數(shù)據采集，數(shù)據的學習以及最后的檢索等程序來確定豬的身份，每一個環(huán)節(jié)都可能會因為技術及概率的缺陷造成誤差。而經過長時間發(fā)展的智能耳標則更成熟，而且在確定豬的身份上更加精確。

耳標相當于豬的身份證，具有唯一性，既可以滿足動物日常信息管理，也可以實現(xiàn)動物產品的全程追溯。

雖然陳瑤生教授表示，戴耳標、植入芯片等方法識別豬只，會給動物帶來了不必要的身體傷害，但是讓豬再快樂地生活，最后都免不了痛苦的去死。而隨著智能耳標也在向著人工智能的方向發(fā)展，顯然這兩門技術的決斗還尚未開始。

除了“豬臉識別“，還有“羊臉”、“牛臉”、“狗臉”、“馬臉”……

上面提到“牛臉”、“羊臉”識別相對于“豬臉識別”更簡單，而其發(fā)展無疑會給“豬臉識別”新的啟示。劍橋大學的教授就開發(fā)了一種表情識別系統(tǒng)，通過面部識別來判斷綿羊的疼痛程度，如果將這項技術應用到牧場，用攝像頭來監(jiān)控羊群，就可以及時發(fā)現(xiàn)綿羊的生病情況。

狗作為人類最忠實的好朋友，“獸工智能”在其身上取得的成果并不少，智能相對論曾對此分析過。而今年4月1日百度推出的“狗臉識別”，不僅可以便于寵物的找回，而且能夠掃描狗臉喂食、自由進出門禁、還能收取快遞與購買商品并支付等功能。雖然初衷是好的，但后面的幾點畫風似乎很清奇，畢竟自由進出門禁可能會發(fā)生，壞人拎著我的狗偷走了我的錢怎么辦？

而在未來，除了前面提到的，生物活體識別技術通過深度學習對動物面部特征、整體體態(tài)和行為特征進行識別，判斷其品種和其健康情況比如哪些動物生病了，生了什么病，那些動物沒有吃飽，甚至哪些動物到了發(fā)情期需要配種等等。

更重要的是，可以為食品安全、養(yǎng)殖戶信貸服務甚至更多的金融服務等商業(yè)應用提供決策依據。

然而說到這里，開頭提出了的豬臉難以識別的問題似乎還沒有解決。而在陳瑤生教授的豬臉識別技術的實驗場中，母豬識別率為98％（估計是母豬體型大不好移動），肉豬識別率則為85％。這個識別率并不算高，特對是對大規(guī)模的養(yǎng)殖場而言。

所以，俺老豬面部識別率還可以再提高嗎？

當前使用的人工智能技術來實現(xiàn)視覺識別的原理基本上是一致的，即利用計算機神經網絡的深度學習，學到每一頭豬的特征，然后利用深度學習的模型，針對測試數(shù)據集，得到每一頭豬的概率，最后來判別哪頭豬是哪頭豬。

最常采用的做法是把人臉的模型直接fine tune（微調）到動物臉，但是fine tune在深度學習里面更像是一個處理手段。

而Transfer learning（遷移學習）可以看成是一套完整的體系，是一種處理流程。目的是不拋棄從之前數(shù)據里得到的有用信息，同時應對新進來的大量數(shù)據的缺少標簽或者由于數(shù)據更新而導致的標簽變異情況。

京東舉辦的“豬臉識別”冠軍團隊就是采用的這種辦法，該團隊表示剛拿到數(shù)據集時，很難分辨哪頭豬是哪頭。而當他們使用模型再運行數(shù)據，發(fā)現(xiàn)豬臉識別的最后運行效果達到比模型跑人臉的效果還好。

但是值得一提的是，由于AI工作與其他科學研究相比，學術研究數(shù)據，尤其是大量級、多維度、優(yōu)質、真實的數(shù)據依賴程度高。據官方報道，該數(shù)據素材只拍攝了兩天，因此京東這次拍攝的數(shù)據并不具備時間上的動態(tài)變化，具有一定的局限性。

而這里采用遷移學習識別馬，則使用了一種全新的思路。由于人臉的特征和動物臉部的特征本身的差異很大，但是當動物的臉部做了變形之后，就會和人臉比較相似了，所以，我們需要先找到一個人臉和馬臉相似性較大的一個映射空間，然后使得人臉的訓練數(shù)據可以被有效的利用起來訓練馬臉。

具體辦法是，先找到人臉和馬臉角度或者表情相似的圖片，然后以相似的部位作為關鍵點，接著訓練獲得一個映射區(qū)間，得到了這一映射區(qū)間之后，把原來的馬臉圖片做變換，最后再采用人臉模型去fine tune動物臉檢測的模型。

顯然，“豬臉識別”也可以借鑒這種辦法，相信在不久的未來，“豬臉識別”技術可以更加準確。

由于大多數(shù)人都臉盲，佩奇就是我們見過最單純的豬了。而其他的，更精細的識別與診斷，只能通過“獸工智能”來實現(xiàn)了。（雷宇）