收录了 脸部识别 频道下的 50 篇内容
人脸识别问题可以描述为,给定某一场景下的静态图象或者动态序列,根据预先存储的人脸数据库识别或者认证场景中一个或者多个人的身份。
揭秘如何使用公有云AI平台训练模型。
人脸识别是机器学习的直接应用,这项技术已经被消费者、行业和执法机关广泛采用,它可能为我们的日常生活带来了便利,但也有严重的隐私问题。人脸识别已经超过了人类的工作效率,但是,在某些应用中实际实现时还存在问题。
在上一篇文章中,我们回顾了人脸识别算法的发展历程,介绍了人脸识别算法从传统机器学习算法到现在的深度学习算法的演进历程。接下来,我们将详细介绍一下人脸识别常见的应用方式,以及现在主流的人脸识别算法。
本次分享介绍基于实际应用场景如何有效的应用人脸识别算法,提升整体的应用性能,解决实际问题。
关于 Google 开发的 FaceNet 人脸识别系统,以及开源实现和预训练模型。
本次分享介绍将GoogleNet中的Inception模块和ResNet相结合得到新的架构并在此基础上训练出的新的人脸识别模型。
在深度学习出现后,人脸识别技术才真正有了可用性。这是因为之前的机器学习技术中,难以从图片中取出合适的特征值。
AI成为新基建风口模式下的一个重要选题,让人们对于AI 的热情空前高涨。从一开始的烧钱阶段到今天的确定性发展,AI一直渗透着人们的生活,从自动驾驶到人脸识别都是如此。其中,人脸识别技术应用较为广泛。
疫情为当下的人脸识别系统提出了全新的要求和挑战:在佩戴口罩场景下如何高效的完成人脸识别。
本文来自华为云开发者社区
本文为《阿里文娱在线票务技术大揭秘》现场平台系列文章之一
TensorRT FP16 模式推理加速后的人脸识别几乎无损精度,甚至识别速度为原来的 2.3 倍。
本文提出了一个卡通人脸识别的基准数据集iCartoonFace,并设计了卡通和真人多任务域自适应策略来提高卡通人脸识别的性能。
近年来,随着生物识别技术的逐渐成熟,基于深度学习的人脸识别技术取得了突破性进展。现阶段,人脸识别已被广泛应用于诸多领域。本文将介绍基于 Web 浏览器端的人脸识别身份验证的整体方案,以及重点讲解如何在 Web 浏览器中实现人脸自动采集。
你是真开心还是假开心,其实AI都知道
人脸识别的隐私与安全性再次受到质疑。
近年来,与人脸识别技术相关的警告变得越来越紧迫。研究表明,人脸识别系统仍然会产生相对较高的误报率,而且始终带有种族和性别偏见。然而,这项技术在美国的泛滥却没有得到遏制,继续在各级政府的执法机构、私营企业和学校中蔓延开来。
“UAI-Train平台可以让我们方便地在短时内使用大量的GPU资源,用较低的成本训练海量的数据集,提高算法模型迭代优化的效率。
北京邮电大学邓伟洪教授团队的研究揭示了当前人脸识别算法中普遍存在跨国家/地区识别偏差问题,并构建了评价偏差程度的人脸数据集RFW。