近日微軟推出了一個(gè)神奇的頁面——How-old.net，通過傳照片猜年齡迅速刷爆朋友圈。上線幾個(gè)小時(shí)，已經(jīng)測(cè)試了超21萬張圖片，由于推測(cè)存在不小誤差，不少名人都被“玩壞了”，微軟認(rèn)為同年的林志穎和郭德綱年齡差了一個(gè)吳奇隆。那么當(dāng)科技大佬們遇到“How-old” 會(huì)如何呢?

　　參考 Fun with ML, Stream Analytics and PowerBI，內(nèi)有詳細(xì)說明。

　　這個(gè) demo 是我們 IMML 部門(Information Management and Machine Learning)做的，主要組件是：

　　1. Azure Machine Learning 平臺(tái)以及其 gallery 中的 face api。Microsoft Azure Machine Learning Gallery

　　2. 實(shí)時(shí)統(tǒng)計(jì)用的是 Azure Event Hub 和 Azure Stream Analytics，后者可以在前者的事件流上使用類 SQL 的語句來執(zhí)行一個(gè) Near Realtime 的統(tǒng)計(jì)，比如每 10 秒內(nèi)的訪問次數(shù)和結(jié)果分布。

　　其實(shí)本 demo 主要目的是展現(xiàn) ASA 以及 PowerBI 的實(shí)時(shí)統(tǒng)計(jì)展現(xiàn)能力，其中 ASA 剛剛 GA(general availability)，Machine Learning 和 face detection api 是之前就已經(jīng)有的東西了，沒想到大家都關(guān)注人臉識(shí)別去了。

　　程序員們，你們只需要 1 天時(shí)間就可以建立類似的網(wǎng)站。利用微軟發(fā)布的 face detection api，只要幾下 rest api 調(diào)用就可以得到結(jié)果了。這里有很詳細(xì)的 how to 來教你如何調(diào)用這些 api：Microsoft Project Oxford How-to detect faces from an image。而且，識(shí)別年齡和性別只是一個(gè)小功能，這套 api 還包括識(shí)別兩張照片是不是同一個(gè)人，以及識(shí)別出某個(gè)具體的人等高級(jí)功能。

　　Age estimation via face.

　　1. Face detect，檢測(cè)圖片中人臉的位置，cascade adaboost 是最常用的方法。

　　2. Face alignment，圖像對(duì)準(zhǔn)，確定一些關(guān)鍵的點(diǎn)的位置，比如眉毛，眼睛，鼻子，嘴角等，確定這些點(diǎn)之后可以確定人臉區(qū)域，傾斜的也可以。

　　3. Feature extract，有了 face region 之后，開始提取 feature，形狀 shape，紋理 texture，幾何 geometry 信息是最關(guān)鍵的 feature 了。

　　4. Train，有了大量 feature 數(shù)據(jù)以及對(duì)應(yīng)的年齡數(shù)據(jù)，建立一個(gè) model 開始訓(xùn)練。SVM， linear regression 等等。

　　5. Age estimation，新來一張圖片，獲取 feature，根據(jù) 4 獲取的訓(xùn)練參數(shù)，估計(jì)年齡。

　　目前看到一些 paper 給出的 MAE(Mean absolute error)可以到 4-5 歲，但都是基于實(shí)驗(yàn)室數(shù)據(jù)，微軟的也試了一下，variance 有點(diǎn)大。

　　微軟本來是為了宣傳云計(jì)算，估計(jì)年齡應(yīng)該只是一個(gè)噱頭。