AI科技评论按:21日,《麻省理工科技评论》发布全球十大突破性技术榜单,百度以人脸识别技术获得提名。百度深度学习实验室主任林元庆会后举行了一场媒体沟通会,详细阐述了百度在人工智能,特别是人脸识别方面的技术突破和应用落地,并透露了百度国家级人工智能实验室的部分计划。雷锋网对沟通会内容进行了整理。 百度人脸识别获评MIT科技评论十大突破性科技,林元庆面对媒体的开场演讲: 其实人脸识别在2016年还是非常突破性的,中国有很多公司,包括百度,也花了非常大的研发的力量和市场推广在人脸识别上面。2016年我们看到技术报
机器视觉就是利用机器代替人眼做出测量和判断,在应用层面上,目前主要用来做系统集成或二次开发的较多,可以概括为以下四个部分: 1、检查。 外观及缺陷检测,主要利用模板匹配。 2、识别。 生物特征识别(人脸、语音、指纹、虹膜),目标识别(车牌识别,射频识别等),条码识别(一维码、二维码),字符识别,纹理识别等。识别的最终目的主要是为了分类,这里需要利用大数据训练学习,需要借助深度学习。 3、测量。 几何尺寸测量(长、宽、高、周长、面积、体积等),圆或者椭圆(圆心、半径、轮廓、角度、尺寸等);测量必须先标定
这是五角大楼针对恐怖分子发布的一项新的生物识别项目Jetson,即使在200米外,隔着衣服,也能准确的辨别心跳特征,进而精准的识别出这个人是谁,识别准确度甚至超过了人脸识别。
随着AI时代的移动技术革新大会开幕邻近,越来越多的行业人士对本届大会即将分享的行业干货保持着高度关注,本期主办方采访到了【基于AI的开发实践专场】演讲嘉宾杨帆先生(商汤科技联合创始人、副总裁,EGO 北京分会会员),就AI场景的价值体现与落地进行深度剖析。 以下内容是对杨帆先生的部分采访整理。 “AI更大的价值在于跟不同的行业结合” 杨帆在计算机视觉技术领域沉浸多年,在微软任职期间,他主要从事计算机视觉、计算机图形学等领域的新技术孵化工作,包括人脸识别、图像物体识别、人像三维重建等;杨帆认为,AI技术并
安妮 李根 发自 成都街头 量子位 报道 | 公众号 QbitAI 14点开始的分论坛,13点就排起入场长龙,这就是腾讯AI Lab受到的关注度。 这个成立刚满一年的腾讯人工智能研发机构,是BAT中
2017年8月17日,主讲人曾经做过一个分享:《我,女生,程序员》,讲述了自己从非计算机专业转行成为程序员的经历。
据腾讯研究院统计,截至2017年6月,全球人工智能初创企业共计2617家。美国占据1078家居首,中国以592家企业排名第二,其后分别是英国,以色列,加拿大等国家。本文中选取了国外和国内部分有代表性的AI产业链条上相关公司就行分析(排名不分先后),希望对有志于从事人工智能相关工作或者想了解AI行业目前发展现状的朋友能有所帮助。小编会从AI芯片、应用层算法、应用领域等方面对相关公司进行盘点,由于部分公司可能会涉及产业链条上不同的领域,文中侧重选取了某些点进行分析阐述。备注:文中涉及到的企业估值均源于公开资料,本文对数字真实性不做任何担保;对于企业的明星指数是小编根据公开资料以及行业内部朋友反馈做的综合评估,不作为投资参考。
最近,相关科技媒体报道了最新一期的NIST人脸识别测评比赛,在仔细阅读了FRVT官方发布文档之后,发现国内有些媒体报道不是特别准确,因此在这篇报道中,结合自己专业知识探讨一下FRVT测评结果。
云端人脸识别平台方案虽然看起来美好,但是当没有网络的时候呢?当需要控制硬件成本的时候呢?离线则成为人工智能技术落地的关键,这也是将AI从云到端的唯一方式。 当GMIC遇上视觉AI “黑科技”酷炫又好玩
大家好,我叫翟磊,来自英特尔开源技术中心。今天我演讲的主题是《基于英特尔架构的实时视频流分析系统的设计与优化》,主要会从以下几个方面进行介绍:首先,背景介绍;其次,我会通过硬件和软件两个层面,来对英特尔视觉云计算平台进行详细的介绍,但主要还是侧重于软件层面。然后,结合我们现在正在做的一个名为Intel Collaboration Suite for WebRTC的项目实践来跟大家讲述一下,如何快速地在英特尔计算平台上构建一个实时、可扩展的实时视频流分析系统,最后,我会做一些总结。
中兴智能视觉大数据报道:再过一些时间,2018年高考将正式拉开大幕,本次高考广东肇庆中学,作为全省两个第一批试点的考点之一,将在今年高考中首次使用人脸识别技术,有关人脸识别的应用越来越常态化了。
【新智元导读】旷视科技最新宣布4.6亿美元C轮融资,创下AI融资记录。当下,人脸识别技术做到了什么程度?未来计算机视觉创业还有没有机会?在上周日第二届微软亚洲研究院院友会年度大会上,微软全球执行副总裁沈向洋主持,商汤、旷视、依图和中科视拓的创始人/CEO/首席科学家——5位微软亚洲研究院院友坐在一起,共论人脸识别的技术趋势与商业落地。商汤、旷视、依图这些人脸识别独角兽各自的定位和发力点在哪里?他们怎么看待彼此和整个行业?本文将告诉你答案。 旷视科技昨天夜间宣布了金额高达4.6亿美元的C轮融资,引起热议。 2
雷锋网按:本文根据涂图CTO在七牛云架构师沙龙上的演讲整理,本篇主要谈谈人脸识别技术的原理与具体实践的一些问题,作者授权发布雷锋网。 在上篇文章的最后,我们提到了美颜2.0最关键的技术——人脸识别。这是项复杂但又非常热门的技术,我们将在这篇文章中聊一聊图像识别技术。 一、如何让机器看懂世界? 这里我们来简单聊聊机器学习与深度学习。 近段时间,机器学习、深度学习的概念非常火,尤其是今年 AlphaGo 击败了韩国棋手这件事,引起了世界的轰动。机器学习和深度学习这两个概念,比较容易混淆,以至于很多媒体在写报道时
雷锋网按:本文内容来自云从科技创始人、中国科学院百人计划周曦博士在硬创公开课的分享。在未改变原意的基础上进行了编辑整理。 明明可以靠脸吃饭”这句话不再只是一个网络段子,随着人脸识别技术的普及,不光可以靠“刷脸”支付吃喝玩乐的花费,现在连银行办业务都可以“刷脸”了。 最近两年,国内各家中小银行和四大行地方分行已经陆续将人脸识别技术用于日常业务,前几日,四大行中的农行更是首先在全国范围应用人脸识别技术。 但是,银行业务光凭“刷脸”真的靠谱吗?本期公开课特意邀请到云从科技创始人、图像识别领域权威周曦博士为大家答疑
几年前图片美颜教育了市场,到了直播时代,美颜同样成为直播平台的标配。女主播要是在直播中不能自动美颜,那只能靠更精致的妆容来补,而实时直播美颜技术恰好解决了这个问题。 目前最新的美颜技术已经发展到了2.
雷锋网按:本文内容来自涂图 CTO 邱彦林在硬创公开课的分享,在未改变原意的基础上进行了编辑整理。 几年前图片美颜教育了市场,到了直播时代,美颜同样成为直播平台的标配。女主播要是在直播中不能自动美颜,那只能靠更精致的妆容来补,而实时直播美颜技术恰好解决了这个问题。 目前最新的美颜技术已经发展到了 2.0 阶段,打个比方,如果美颜 1.0 只是化妆(磨皮、祛痘、肤色调整)的话,美颜 2.0 基本就能达到整容的效果——把眼睛变大,把圆脸变成瓜子脸。而实现这一效果的基础就是人脸识别。 硬创公开课特邀专攻直播美颜的
该文内容较老,但对入门者还是有很强的学习意义,可以了解人脸识别的历程与技术发展。 人脸检测/跟踪 人脸检测/跟踪的目的是在图像/视频中找到各个人脸所在的位置和大小;对于跟踪而言,还需要确定帧间不同人脸间的对应关系。 1.Robust Real-time Object Detection. Paul Viola, Michael Jones. IJCV 2004. 入选理由: Viola的人脸检测工作使得人脸检测真正变得实时可用。他们发表了一系列文章,这篇是引用率最高的一篇。 2.Fast rotatio
比如中国第一批人工智能专业毕业生,毕业于西安电子科技大学的马原和他创立的澎思科技。
AI科技评论按:昨晚凌晨一点,号称是科技界春晚的苹果发布会如期而至,此次共发布了3款iPhone手机,命名也与之前曝光的信息相符,分别为iPhone X、iPhone 8和iPhone 8 Plus。 其中iPhone X作为苹果十周年的创新性产品出现。不可否认的是,iPhone X发布之前的爆料信息都非常准确,像传闻的全面屏、取消Home键、3D面部识别扫描也都在昨晚被一一证实。 尽管没有特别让人意外的惊喜,iPhone X 的全面OLED屏、面部识别Face ID技术仍是整个发布会的亮点。 苹果iPho
编辑:闻菲 【新智元导读】日前,腾讯AI Lab在国际最大、最难的人脸检测平台WIDER FACE与热门人脸识别平台MegaFace多项评测指标获得第一,刷新了行业纪录。研究人员表示,通过有针对的优化,这些模型都可以投入实用,并且与竞赛中表现出的性能基本齐平。 人脸检测是让机器找到图像视频中所有人脸并精准定位其位置信息,是人脸识别的前提和基础。由于视角、光照、遮挡、姿态、年龄变化等复杂因素的干扰与影响,真实场景下的人脸检测与识别问题一直极具挑战。优秀的人脸技术在政务、金融、安防等领域都具有极高应用价值。 日
在人工智能领域大规模并行计算是一个刚性的需求,CPU由于本身设计更偏重于多任务处理、逻辑控制所以不太适合在矩阵计算这种需要高并行的场景中应用,这也给了像Nvidia、Xilinx等芯片公司在深度学习时代的爆发的机会。
github源码:https://github.com/ageitgey/face_recognition#face-recognition 以往的人脸识别主要是包括人脸图像采集、人脸识别预处理、身份确认、身份查找等技术和系统。现在人脸识别已经慢慢延伸到了ADAS中的驾驶员检测、行人跟踪、甚至到了动态物体的跟踪。由此可以看出,人脸识别系统已经由简单的图像处理发展到了视频实时处理。而且算法已经由以前的Adaboots、PCA等传统的统计学方法转变为CNN、RCNN等深度学习及其变形的方法。现在也有相当一部分
以往的人脸识别主要是包括人脸图像采集、人脸识别预处理、身份确认、身份查找等技术和系统。现在人脸识别已经慢慢延伸到了ADAS中的驾驶员检测、行人跟踪、甚至到了动态物体的跟踪。由此可以看出,人脸识别系统已经由简单的图像处理发展到了视频实时处理。而且算法已经由以前的Adaboots、PCA等传统的统计学方法转变为CNN、RCNN等深度学习及其变形的方法。现在也有相当一部分人开始研究3维人脸识别识别,这种项目目前也受到了学术界、工业界和国家的支持。
以往的人脸识别主要是包括人脸图像采集、人脸识别预处理、身份确认、身份查找等技术和系统。现在人脸识别已经慢慢延伸到了ADAS中的驾驶员检测、行人跟踪、甚至到了动态物体的跟踪。由此可以看出,人脸识别系统已经由简单的图像处理发展到了视频实时处理。而且算法已经由以前的Adaboots、PCA等传统的统计学方法转变为CNN、RCNN等深度学习及其变形的方法。现在也有相当一部分人开始研究3维人脸识别识别,这种项目目前也受到了学术界、工业界和国家的支持。 首先看看现在的研究现状。如上的发展趋势可以知道,现在的主要研究方向
如果你觉得好的话,不妨分享到朋友圈。 以往的人脸识别主要是包括人脸图像采集、人脸识别预处理、身份确认、身份查找等技术和系统。现在人脸识别已经慢慢延伸到了ADAS中的驾驶员检测、行人跟踪、甚至到了动态物体的跟踪。由此可以看出,人脸识别系统已经由简单的图像处理发展到了视频实时处理。而且算法已经由以前的Adaboots、PCA等传统的统计学方法转变为CNN、RCNN等深度学习及其变形的方法。现在也有相当一部分人开始研究3维人脸识别识别,这种项目目前也受到了学术界、工业界和国家的支持。 首先看看现在的研究现状。如
机器之心原创 参与:杜夏德 视频互联网 VS 互联网视频,一词之隔,却已等待十二年。 眼下的的互联网科技圈,人工智能技术的火热程度堪比演艺界的小鲜肉。金融、医疗、自动驾驶、安防、生物技术、法律、家居等行业的 AI 应用已然是屡见不鲜。根据腾讯研究院近日发布的报告《中美两国人工智能产业发展全面解读》,中国人工智能企业数量为 592 家。金融、安防、医疗无人驾驶国内人工智能最火的几个领域,除了百度、阿里巴巴等巨头,创业公司也比比皆是。而在在消费级视频平台技术领域,Video++「算是第一个吃螃蟹的。」 过去几
数字经济时代,现代商业环境悄然变革,从传统营销到数字化营销再到如今的预测营销,营销手段正在发生天翻地覆的变化。11月15-16日,2018届GMTIC全球营销技术创新峰会在上海举行,带来了一场关于技术和营销的探讨盛会,其中营销科技公司Sizmek中国区总裁郑家强、画龙科技首席执行官宋碧莲以及一面数据首席营销官林圆圆也在会后接受了DT数据侠的专访,阐述了MarTech的智慧。
当各路资本都蜂拥而至某一领域的时候,其也就结束了淘金的黄金时期,当前的人脸识别正处于这一阶段。
简单来讲,人脸识别这个问题,就是给定两个人脸,然后判定他们是不是同一个人,这是它最原始的定义。它有很多应用场景,比如银行柜台、海关、手机解锁、酒店入住、网吧认证,会查身份证跟你是不是同一个人。这个应用的主要特点是,在大多数场景下都需要你先提供一个证件,然后跟自己的人脸做比对。手机解锁可能是个例外,但也要求你提前注册一张人脸,然后再进行比对。这是最原始的形式,由用户直接提供需要对比的两个人脸。这也是最简单的形式,相当于做一个二分类。
近年来随着生物特征识别技术在日常生活中的应用推广,异质人脸识别受到了广泛的关注。然而,由于异质人脸之间巨大的域差异以及配对异质数据的不足,异质人脸识别任务面临着巨大的挑战。生成对抗网络的发展为异质人脸识别提供了新的解决思路,传统方法通常利用生成对抗网络将近红外图像转换为可见光图像,用以较小域差异。然而这种基于图像到图像转换的方法仍然面临着一些亟待解决的问题。在本次分享会上我们:
最近两个月,格灵深瞳首席科学家&算法部负责人张德兵与算法团队参加了全球人脸识别算法测试(FRVT、Face Recognition Vendor Test)。虽然是第一次参加此比赛,格灵深瞳还是取得了不错的成绩,排名世界前五,在国内领先,且具体的成绩接近世界最好水平(见表一)。
作者 | 东田应子 编辑 | 磐石 出品 | 磐创AI技术团队 【磐创AI导读】本文是深度学习之视频人脸识别系列的第一篇文章,介绍了人脸识别领域的一些基本概念,分析了深度学习在人脸识别的基本流程,并总结了近年来科研领域的研究进展,最后分析了静态数据与视频动态数据在人脸识别技术上的差异。欢迎大家点击上方篮子关注我们的公众号:磐创AI。 一、基本概念 1. 人脸识别(face identification) 人脸识别是1对n的比对,给定一张人脸图片,如何在n张人脸图片中找到同一张人脸图片,相对于一个分类问题,将
我一定是对这颗i.MX RT的MCU太过于偏爱,之前已经在上面做了一个语音识别技术方案(见《AIoT的语音识别方案》),但总觉得我们还能挑战一下更复杂的应用,对于高性能和高运算量最有挑战的还是在视觉方面的应用,目前最广泛应用和接受的还是人脸识别,所以打算把下一个目标放在人脸识别上面。
📷 本文来自51Talk技术总监陈靖在LiveVideoStackCon 2018热身分享,并由LiveVideoStack整理而成。陈靖回顾了51Talk音视频技术的演进路线,从最早的QQ、Skype到接入第三方SDK,最后实现大部分功能自研,每个阶段都是根据业务需求、研发力量、资金投入等各种条件下的最优选择。未来,51Talk还会继续投入自研,完善功能。 文 / 陈靖 整理 / LiveVideoStack 直播回放: https://www.baijiayun.com/web/playback/in
中国图象图形学学会围绕「生物特征识别」这一主题,在中科院自动化所成功举办了第四期「CSIG 图像图形学科前沿讲习班」。
机器之心整理 编辑:杜雪 4 月 15 日,杨铭博士在机器之心线下活动 Interface 上做了一次题为「深度神经网络在图像识别应用中的演化」的演讲。这篇文章对杨铭博士分享的内容进行了整理,同时还附
像素的世界已经延伸到图像之外,虽然视频对于机器学习研究人员来说一直都是个挑战,但现在的技术能够使得从视频中提取信息变得跟从图像中提取信息一样简单。人工智能这个新兴“工具”的出现,为人类加速前往高度智慧化形态提供能量,重构着整个视频行业的结构和协作方式。 下面这份分析报告由Video++提供,并在AI研习社作以分享。这份报告并非针对人工智能领域全局观,而是解构视频行业,围绕国内视频内容识别这一垂直领域的创业公司展开讨论,从市场、产品、技术、商业模式、人才等多个维度出发,浅析人工智能技术在视频中的发展方向。 分
说起这个人脸识别,还真有点缘分。记得逆天以前在学生时代参加创新大赛的时候,题目就是人脸识别打卡 解决别人替人打卡的问题,想想看,要是用微软的faceapi那还不是很容易实现的? 好了,不扯淡了,上次概
导读:在本文中,我们将会接触到一个既熟悉又陌生的概念——人脸识别。之所以熟悉,是因为人脸识别技术在我们日常生活中应用极其广泛,例如火车站刷脸验票进站、手机人脸解锁等;之所以陌生,是因为我们可能并不了解人脸识别的原理,不了解人脸识别的任务目标、发展历程与趋势。
首先祝大家七夕情人节愉快,能和喜欢的人度过浪漫的一天,也祝在科研的同学抽出时间陪伴你的伴侣,一起度过一年一次的中国情人节,若还处于单身的同学,希望你们不仅科研成功、还能遇到自己喜欢的他(她)!
AI 科技评论按:今日在腾讯研究院年会中,腾讯副总裁姚星发表演讲《AI 真实的希望和隐忧》,他在大会中介绍了“低调”的腾讯 AI 部门所做的事,并深入讲解该如何提升机器学习的能力以及对 AI 的看法。文章由 AI 科技评论进行编辑。 腾讯在 AI 方面确实很低调,很多人问我腾讯有没有做 AI?怎么从来没有向外宣传呢? 解密腾讯 AI 部门 实际上从 2016 年 4 月份开始,腾讯成立了自己的 AI 部门。目前这个部门拥有 30 多个科学家,90% 以上的人都是博士学历,绝大多数人都是海外名校归来,包括
在日常生活工作中,出现了人脸验证、人脸支付、人脸乘梯、人脸门禁等等常见的应用场景。这说明人脸识别技术已经在门禁安防、金融行业、教育医疗等领域被广泛地应用,人脸识别技术的高速发展与应用同时也出现不少质疑。其中之一就是人脸识别很容易被照片、视频、人脸模型等方式轻易蒙混,并且网络上也传出不少破解方法。针对这些问题,人脸识别技术其实也是进行了升级迭代,当前的人脸识别系统是需要具有人脸活体检测功能的。那么人脸活体检测功能到底是什么呢?
今天和大家说的是关于人脸识别及人类部件解析。下面先给大家展示下具体背景及效果图,然后我们开始展开讲解。
本次报告介绍了深度学习安全性和可信性的关键问题,从对抗攻击、对抗防御和攻防平台三个方面介绍了目前的研究现状,同时带来了研究团队在这些关键问题上的最新研究成果,最后对发展安全可靠、鲁棒可理解的第三代人工智能进行了展望。
本文为人脸识别算法系列专题的综述文章,人脸识别是一个被广泛研究着的热门问题,大量的研究论文层出不穷,文中我们将为大家总结近些年出现的具有代表性的人脸识别算法。请大家关注SIGAI公众号,我们会持续解析当下主流的人脸识别算法以及业内最新的进展。
人脸识别、图像分类、语音识别是最早的深度学习取得突破的主要几个技术方向。在2014年前后,多家技术公司纷纷宣布其利用深度学习在LFW上取得的最新成果,此为深度学习技术在人脸识别领域的“小试牛刀”。随后,商汤、Face++等国内的多家技术公司针对金融行业人脸认证这一需求持续改进算法,随着PK的不断升级,人脸认证图像相对可控下的人脸识别性能不断被刷新,固定识别通过率为90%,识别误匹配率指标被降低了好几个数量级,此为深度学习技术在人脸识别领域的“硕果初尝”。类似的技术被用在了手机APP的人脸登录、相册管理等,这里不一一赘述。
卷积神经网络(Convolutional Neural Network,CNN)和全连接神经网络(Fully Connected Neural Network,FCN)都是深度学习领域中常见的神经网络模型。下面是二者的比较。
AI 科技评论按:2018 年 4 月 14 日-15 日,中国图象图形学学会围绕「生物特征识别」这一主题,在中科院自动化所举办第四期「CSIG 图像图形学科前沿讲习班」。
领取专属 10元无门槛券
手把手带您无忧上云