平安金融壹賬通旗下加馬人工智能研究院（Gamma Lab）繼斬獲OMG國際微表情權(quán)威評測冠軍之后，在人類情緒理解領(lǐng)域再攀高峰，在2018 EmotioNet 國際面部動作單元（Action Unit， 簡稱AU）識別競賽上以94.46%的準(zhǔn)確率獲得世界第一的排名。

EmotioNet是面部動作單元識別領(lǐng)域最具代表和關(guān)注的評測競賽之一，其各種研究成果在計(jì)算機(jī)視覺三大頂級會議中的CVPR和ICCV上均有發(fā)表。2018 EmotioNet由Ohio State University舉辦，吸引了包括麻省理工大學(xué)（MIT）、VersionLabs、華盛頓大學(xué)（University of Washington）等諸多專業(yè)團(tuán)隊(duì)積極參與。與情緒識別不同，面部動作單元（AU）識別更強(qiáng)調(diào)準(zhǔn)確的檢測面部微小動作單元的變化。

為了更精細(xì)地表述人類表情，研究人員根據(jù)人臉肌肉的解剖學(xué)特點(diǎn)，將人臉分解為許多面部動作單元，并描繪出了不同的臉部肌肉動作和不同表情之間的對應(yīng)關(guān)系。通過識別這些面部單元以及它們的不同組合，我們可以進(jìn)行面部表情識別、情緒理解等諸多任務(wù)。

此次比賽提供95萬張訓(xùn)練圖片和25000張驗(yàn)證圖片用于參賽隊(duì)伍設(shè)計(jì)算法模型，最終在接近20萬張圖片上評測。該比賽對于參賽者主要有三個難點(diǎn)：（1）有準(zhǔn)確標(biāo)簽的數(shù)據(jù)少（25000張），大部分?jǐn)?shù)據(jù)是無標(biāo)簽的（95萬張），因此需要用到transfer learning、semi-supervised learning等方法充分利用無標(biāo)簽的數(shù)據(jù)輔助訓(xùn)練;（2）人臉的角度分布復(fù)雜，很多是側(cè)臉的數(shù)據(jù);（3）人臉的遮擋較多。以上這些對于參賽者都是不小的挑戰(zhàn)。

Gamma Lab作為平安金融壹賬通旗下人工智能研究院，致力于推動大數(shù)據(jù)、人工智能等前沿技術(shù)在金融領(lǐng)域的深度應(yīng)用。此次Gamma Lab挑戰(zhàn)的面部動作單元識別任務(wù)具有極高的學(xué)術(shù)研究價(jià)值和商業(yè)應(yīng)用價(jià)值，讓計(jì)算機(jī)能夠捕捉到人很難辨別的微小面部動作，在貸款面審、教育培訓(xùn)等場景都具有廣泛的應(yīng)用前景。事實(shí)上，Gamma Lab已經(jīng)在金融場景做了深入探索，將微表情技術(shù)運(yùn)用在貸款面審中，推出微表情面審輔助系統(tǒng)。該系統(tǒng)運(yùn)用了54種情緒識別能力、39種面部動作單元識別技術(shù)、11種Hand over Face姿勢識別技術(shù)以及頭動和眼動監(jiān)測模型，可以識別90%以上表情變化，更能通過實(shí)時(shí)抓取客戶的微表情、轉(zhuǎn)移視線、抓耳撓腮甚至是回答問題的反應(yīng)時(shí)長等細(xì)致的動作，來智能判斷并提示欺詐風(fēng)險(xiǎn)。同時(shí)，該系統(tǒng)還整合了基于知識圖譜的智能回答引擎，覆蓋1000個行業(yè)的海量問題庫，可提升面審問題的隨機(jī)性和質(zhì)量，大幅降低欺詐風(fēng)險(xiǎn)。

Gamma Lab有超過350位科技人才，累計(jì)申請專利技術(shù)200多項(xiàng)，發(fā)表論文10余篇。目前，Gamma Lab已將世界領(lǐng)先的54種情緒識別能力以及39種面部動作單元識別能力對外開放，以推動微表情技術(shù)的場景化應(yīng)用。