人臉識別工具是一種計算模型，可以在眾多領(lǐng)域得到應(yīng)用，醫(yī)學(xué)領(lǐng)域的智慧醫(yī)院環(huán)節(jié)也不例外。

在醫(yī)院的就醫(yī)環(huán)節(jié)，醫(yī)院的管理人員可以用人臉識別代替社?？?、身份證等識讀設(shè)備。在醫(yī)保支付環(huán)節(jié)，人臉識別還可以進行支付認證。在醫(yī)院影像領(lǐng)域，人臉識別可以和PACS系統(tǒng)很好結(jié)合，輔助醫(yī)療技術(shù)影像科的專家識別身份，判定疾病的癥狀等。人臉識別，智慧醫(yī)院領(lǐng)域領(lǐng)域必不可少。

雖然現(xiàn)在大多數(shù)現(xiàn)有的人臉識別模型都表現(xiàn)得非常好，但仍有很大的改進空間。倫敦瑪麗女王大學(xué)的研究人員最近為人臉識別創(chuàng)造了一種新的、有前景的架構(gòu)。

“使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)和基于邊緣損失的整體方法主導(dǎo)了人臉識別的研究，”進行這項研究的兩名研究人員孫仲林(Zhonglin Sun)和Georgios Tzimiropoulos說。

“在這項工作中，我們從兩個方面出發(fā):首先，我們使用視覺轉(zhuǎn)換器作為一個架構(gòu)來訓(xùn)練一個非常強的人臉識別基線，簡稱fViT，它已經(jīng)超過了大多數(shù)最先進的人臉識別方法。其次，我們利用視覺變壓器(ViTs)的固有屬性來處理從不規(guī)則網(wǎng)格中提取的信息(視覺標記)，設(shè)計出一種用于人臉識別的管道?！?/span>

大多數(shù)廣泛使用的人臉識別方法都是基于CNN，這是一類人工神經(jīng)網(wǎng)絡(luò)，可以自主學(xué)習(xí)在圖像中尋找模式，例如識別特定的物體或人。雖然其中一些方法取得了非常好的性能，但最近的工作突出了另一類人臉識別算法的潛力，即視覺變壓器(ViTs)。

與CNN相比，ViTs將圖像分割成特定大小的補丁，然后在這些補丁中添加嵌入。CNN通常全面分析圖像。然后，得到的向量序列被饋送到標準轉(zhuǎn)換器，這是一個深度學(xué)習(xí)模型，它對正在分析的數(shù)據(jù)的不同部分進行不同的加權(quán)。

研究人員在他們的論文中解釋說:“與CNN相反，ViT實際上可以在從不規(guī)則網(wǎng)格中提取的補丁上工作，并且不需要用于卷積的均勻間隔采樣網(wǎng)格。”“由于人臉是由部分(如眼睛、鼻子、嘴唇)組成的結(jié)構(gòu)化對象，并且受到深度學(xué)習(xí)之前基于部分的面部識別開創(chuàng)性工作的啟發(fā)，我們建議將ViT應(yīng)用于代表面部部分的補丁?！?/span>

由Sun和Tzimiropoulos創(chuàng)建的視覺轉(zhuǎn)換器架構(gòu)，被稱為部分fViT，由一個輕量級網(wǎng)絡(luò)和一個視覺轉(zhuǎn)換器組成。網(wǎng)絡(luò)預(yù)測面部標志的坐標(例如，鼻子，嘴巴等)，而變壓器分析包含預(yù)測標志的補丁。

他們的架構(gòu)在所有測試數(shù)據(jù)集上都取得了驚人的準確性，與許多其他最先進的人臉識別模型相當(dāng)。此外，他們的模型似乎在沒有經(jīng)過專門訓(xùn)練的情況下成功地勾畫出了面部地標。