收录了 mtcnn 频道下的 23 篇内容
随着深度学习的发展,基于深度学习技术的人脸检测 / 识别方法取得了巨大的成功,本文主要介绍人脸检测的深度学习模型 MTCNN 和人脸识别的深度学习模型 FaceNet。
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。
本文主要介绍标签识别整体架构以及基于多模态信息的视频标签识别方法,实现让机器理解海量的视频中的关键信息。
Face-api.js是一个JavaScript API,是基于tensorflow.js核心API的人脸检测和人脸识别的浏览器实现。它实现了一系列的卷积神经网络(CNN),针对网络和移动设备进行了优化。
过去十年,深度学习领域出现了许多先进的新算法和突破性的研究,并且引入了新的计算机视觉算法。
本文来自微信京东数科技术说公众号。
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。
本文来自华为云开发者社区
比赛目标比较简单,在视频数据集IQIYI_VID中计算出该视频包含哪些人物。
揭秘如何使用公有云AI平台训练模型。
对比最初的 beta 版本,正式版在编译、文档、性能、硬件支持、平台支持等方面都有了较大的改进提升。
人工智能离我们的生活到底有多远?
在计算机视觉中,尺度始终是一个大问题,小物体与超大尺度物体往往都会严重影响性能。
短视频近两年一直处于流量的风口,各大平台纷纷涉足。内容丰富、体验好是短视频火爆的原因,这与其背后的技术有密不可分的关联。
InfoQ 采访了美图数据智能部内容挖掘平台负责人刘挺,刘挺介绍了美图在搭建内容挖掘平台K2,以及在利用 AI 技术做好内容理解、提高搜索推荐效果、内部运营效率等方面的实践与思考。
2009年谷歌“Goggles”被推出。九年后视觉搜索领域终于有了重磅新消息。百度近日宣布了他们的新产品,具备“Lens技术”的多功能且流畅的百度识图。
本文重点介绍口罩识别系统的框架、原理和方法,同时也介绍图像技术团队今年在国际计算机视觉领域的比赛进展。
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。
在当今数字化时代,计算机视觉技术迅速发展,成为人工智能领域的一个重要分支。计算机视觉旨在让机器理解和解释视觉信息,模拟人类的视觉系统。它在各行各业中发挥着重要作用,从自动驾驶汽车到智能监控系统,再到医疗影像分析,计算机视觉的应用场景无处不在
一句话,Streamlit是一个可以用python编写web app的库,可以方便的动态展示你的机器学习的项目。