香港中文大学教授汤晓鸥、王晓刚及其研究团队上周宣布，他们研发的DeepID 人脸识别 技术的准确率超过99%，比肉眼识别更加精准。
汤晓鸥领导的计算机视觉研究组 (mmlab.ie.cuhk.edu.hk) 开发了一个名为DeepID (深分证)的深度学习模型， 在LFW (Labeled Faces in the Wild)数据库上获得了99.15%的识别率。
LFW是 人脸识别 领域使用最广泛的测试基准。实验表明，如果仅仅给出人脸中心区域，人用肉眼在LFW上的识别率为97.52%。
在此之前，汤晓鸥的研究组开发了一个基于高斯过程的 人脸识别 技术GaussianFace (高斯脸)，取得了98.52%的识别率。这也是计算机自动识别 算法 的识别率首次超过肉眼。
DeepID将GaussianFace的 人脸识别 世界纪录又向前推进了一个台阶，首次超过99%的LFW识别率。
人脸识别 是计算机视觉和 人工智能 研究领域一个重要挑战，在公共 安全 、执法、移动 互联网 和娱乐领域都有大量应用。它也成为检验 人工智能 是否可以在解决某些特定智能问题上达到甚至超越人的重要测试基准。
汤晓鸥的研究组在 人脸识别 领域有十几年的研究经历。他们从2011年开始开展深度学习方法的研究工作，在2013年达到了92.52%的识别率。过去一年，他们将这一数字提高到99.15%，
今年早些时候，汤晓鸥和王晓刚的研究组曾发布了一套基于深度学习的 人脸识别 算法 ，在LFW上取得了当时最高的97.45%的识别率. 与此同时，Facebook(66.03,-0.26,-0.39%)发布了另一套基于深度学习的 人脸识别 算法 DeepFace，在LFW上取得了97.35%的识别率。
DeepFace需要700多万人脸数据作为训练。而DeepID仅使用了20万张人脸数据以及数台Nvidia(18.81,-0.04,-0.21%)K40 GPU。目前，汤晓鸥实验室的三个 人脸识别 算法 占据了LFW识别率的前三名，而FaceBook的DeepFace排在第四。
汤晓鸥认为， 人脸识别 领域还有大量的工作需要做，很多 算法 需要在实际应用中得到不断的改进和提高。他的实验室已经基于最新的技术突破制作出完整的一套人脸图像处理系统SDK，包括人脸检测，人脸关键点对准， 人脸识别 ，表情识别，性别识别，年龄估计等各种基础技术包。
汤晓鸥计划把 人脸识别 技术免费提供给Android、iOS及Windows Phone开发者；在这套FreeFace-SDK的帮助下，开发者能够在手机上开发基于 人脸识别 的各类应用。此外，汤晓鸥还希望利用用户反馈进一步提高 算法 的准确率。
除 人脸识别 外，汤晓鸥和王晓刚的研究组的另一核心研究方向是深度学习。他们设计了多个深度学习模型，可被用于研究计算机视觉领域的许多重要问题，包括人脸对准、行人检测、姿态估计、人体图像分割、车型识别、大规模人群监控、通用物体识别和检测、 互联网 图像检索等。
深度学习被认为是过去十年中 人工智能 领域的最大突破，在计算机视觉、 语音识别 、自然语音处理等领域有许多应用。《麻省理工 科技 评论》将其列入2013年10项最具突破性技术。
深度学习试图模仿人脑如何利用 神经网络 来感知世界。它的成果很大程度上受益于近年来出现的 大数据 和基于GPU的并行计算。百度(191.05,-0.15,-0.08%)2013年建立了深度学习研究院；同年12月，Facebook在纽约创建了深度学习 人工智能 实验室。2014年，谷歌(585.28,0.55,0.09%)4亿美金收购深度学习创业公司DeepMind Technologies。
