在 QCon 北京 2018 大会上，王止观讲师做了《无人店之人脸识别技术探讨》主题演讲，主要内容如下。
演讲简介：
随着深度学习的广泛发展，人脸识别的准确率有了巨大的飞跃。计算机通过自我学习得到的人脸特征更为可靠。将深度学习应用到人脸特征提取，使得人脸识别的精度有了进一步的提高。 VGGNet、GoogLeNet、ResNet 是现今普遍流行的深度卷积神经网络（CNN）架构，基于这些架构训练出的的人脸识别模型，在公共数据集 LFW（Labeled Face in the Wild）都得到了不错的效果。研究发现 ResNet 残差网络的结构可以加快收敛速率，提高训练速度和性能。而 GoogleNet 中的 Inception 模块，通过同一层中不同大小的卷积核可以得到不同尺度的特征。将 GoogleNet 中的 Inception 模块和 ResNet 相结合得到新的架构，可以进一步提高人脸识别模型的精确度。我们在此架构的基础上，训练出的新的人脸识别模型，在人脸识别公共数据集 LFW 达到了 99.63% 的准确率。
讲师介绍：
王止观
苏宁美国研究院 高级构架师
王止观，2008 年本科毕业于浙江大学，2013 年博士毕业于香港城市大学，博士期间从事数据挖掘，图像处理方面的研究。毕业后曾在硅谷高科技创业公司从事相关领域的研发。在 IEEE 等顶级会议和杂志上发表了多篇图形图像方面的论文。现为苏宁美国研究院高级构架师，主要负责人脸识别，计算机视觉等相关的工作。
完整演讲 PPT 下载链接：
评论