开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

在提取动画人物的脸部时，我得到了UnboundLocalError

在提取动画人物的脸部时，出现了UnboundLocalError。UnboundLocalError是一种Python编程语言的异常错误，它通常发生在函数或方法内部，当尝试访问一个局部变量，但该变量在使用之前并没有被正确地赋值或初始化时出现。

在解决这个错误之前，我们需要了解一些关于变量作用域的基本知识。在Python中，变量的作用域可以分为局部作用域和全局作用域。局部变量是在函数或方法内部定义的变量，只能在函数内部访问。全局变量是在函数或方法外部定义的变量，可以在整个程序中访问。

当在函数内部使用一个变量时，Python会首先在局部作用域中查找该变量，如果找不到，则会继续在全局作用域中查找。如果既没有在局部作用域中定义该变量，也没有在全局作用域中找到该变量，则会引发UnboundLocalError异常。

要解决这个错误，有以下几种可能的原因和解决方法：

变量未初始化或未赋值：在使用局部变量之前，确保在函数内部先进行赋值或初始化。例如，如果使用了一个局部变量x，可以在函数内部添加x = None或其他默认值来初始化。
变量被重新定义：如果在函数内部重新定义了一个与外部相同名称的变量，那么在使用该变量时会出现UnboundLocalError。为了解决这个问题，可以使用global关键字明确指示该变量是全局变量，而不是局部变量。
变量作用域混淆：如果函数内部引用了一个与全局变量同名的变量，并且尝试修改该变量的值，Python会将其视为局部变量。为了避免这种混淆，可以使用global关键字将该变量标记为全局变量，并在函数内部使用global variable_name声明。

在处理动画人物脸部提取时的UnboundLocalError问题时，可以考虑检查上述可能的原因，并针对性地进行修复。同时，如果您使用腾讯云相关产品进行人脸提取，您可以尝试使用腾讯云的人脸识别API服务，该服务可以提供面部检测、面部分析、人脸比对等功能。具体产品介绍和使用方法可以参考腾讯云人脸识别API的文档链接：https://cloud.tencent.com/document/product/867

相关搜索:我在抓取和提取一个值时遇到了问题我在排除我的函数故障时遇到了问题我在阅读和打印我的课程时遇到了问题。我在使用嵌套的`if`语句时遇到了麻烦我在保存名字时遇到了ListView的问题在测试我的代码时，我得到了这个奇怪的错误我在设置函数钩子的状态时遇到了问题我的代码在使用python变量时遇到了问题在执行dropDuplicates()之后，我在计数时得到了不同的计数在研究NodeJs时，我遇到了“无法获取'address‘”的问题在形成我的苹果网站的“克隆”时遇到了麻烦我如何知道在使用ofstream时我达到了文件的最大大小？我在修复我认为是双重免费的东西时遇到了困难我在获取要透视的表中的sql数据时遇到了问题。我得到了不正确的值我在使用Python和BeautifulSoup从HTML语言中解析和提取ID值时遇到了问题我在让div获取整个屏幕的宽度时遇到了麻烦我在python的数据帧中使用astype时遇到了问题。在span中添加填充时，我得到了错误的结果我在访问对象数组中的嵌套对象时遇到了问题。我在解析下拉列表的嵌套JSON数组时遇到了问题

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

被控造假、打人之后要一雪前耻！“杀马特”华裔教授推出paGAN，GoodFellow也点赞

在查看结果时，要注意被操作的脸（右边）是由一张jpeg图像（顶部）仅由一个静止的jpeg图像（顶部）制成，而没有其他FACS输入或特殊扫描。...黎颢说：“首先，大多数游戏都是3D游戏，而且大部分游戏中都涉及到人类的形象或造型，但我认为它可以走得更远。” 他看到的应用是3D通信（Skype的3D版本），“在某种程度上，我觉得你就在我们办公室。...团队训练一个GAN，可以在不同的视点中产生表情，给出一个中性的jpeg脸部图像。...在右侧，来自训练网络的提取纹理用于在手机上实时驱动动态avatar 我们使用大量的人脸图像数据集来训练网络，该数据集可以捕获各种目标和表情。...主要工作是提供脸部和身体捕捉和重建技术的效率，希望能够在拍摄的同时能尽可能看到最后合成的效果，也就是尽可能做到实时。 ?

1.1K2 0

业界 | 机器人温柔而忐忑的眼神，你挡得住么？

人们发现，当酷似外星人的机器人被踢到或者被妨碍到时，它们会紧皱眉头，会感到紧张不安。所以，机器人与你进行眼神交流，并能模仿你谩骂时表情的日子就要到来啦！...（到时候你可以试试对它放电哟，看看它如何回应你☺☺☺）模仿表情和眼神交流听起来好像没什么，但是执行起来却相当复杂，尽管有一些小问题，SEER还是做到了。...其实，SEER使用了面部捕捉技术，可通过使用特定设备捕捉人的面部表情上的捕捉点，然后将捕捉数据经软件处理后，将数据匹配到虚拟脸部，使得动画人物或影视人物的表情模拟真实的人物表情。...在模仿模式中，SEER可以镜像复制观众的眉眼以及头部的位置。但它并非完美无缺，这个机器人偶尔会因为面部噪音数据的影响出现古怪情况，例如震动等。...而这是好事还是坏事，我想，时间会给予我们答案。

3402 0

学界 | 教你一个简单的深度学习方法检测人脸面部特征

AI 科技评论按：你可能在一些手机软件上已经看到了给人脸增加特效的app，它们将一些可爱有趣的物体添加到自拍视频中，有些更有趣的还能检测表情自动选择相应的物体。...在过去，检测面部及其特征，包括眼睛、鼻子、嘴巴，甚至从它们的形状中提取表情是非常困难的，而现在，这项任务可以通过深度学习“神奇”地得到解决，任何一个聪明的年轻人都可以在几个小时内完成。...“传统”的方法（CLM）假设你和我一样，现在需要进行人脸追踪（在这篇文章的情况下，是指将一个人的面部动作通过网络摄像头同步到一个动画人物上去），你可能会发现，以前实现这个任务最好的算法是局部约束模型（...如果上述的操作还不能满足你的需求，你还可以进行如下步骤：实验如何在保持精度和提高推理速度的同时减少卷积层和滤波器的数量；使用迁移学习来替代卷积的部分（Xception是我的最爱）使用一个更详细的数据库...；在自拍实时视频中用一些新发型、珠宝和化妆进行产品测试；检测你的员工是因为喝酒无法胜任一些任务；从人们的反馈表情中提取当下流行的表情；使用对抗网络（GANs）来进行实时的人脸-卡通变换，并使用网络实现实时人脸和卡通动画表情的同步

1.4K5 0

Pika 1.0彻底颠覆动画行业！梦工厂创始人预测3年内动画成本降至110

「在我制作动画电影的美好时光里，500 名艺术家花了五年时间才制作出一部世界级的动画电影。我认为未来3年，这个成本将缩减到10%」「在我看来，未来个人的创造力将决定一切」。...怪不得梦工厂的创始人会有如此预言，也许就是Pika这样面向未来的动画工具，让他看到了行业（bei）革命的曙光。...视频中我们可以看出，虽然每个镜头的时间还不长，但是动画人物的一致性，画面质感，已经和大型动画公司制作出来的动画没有太大的区别了。...而这一个段的动画，看得出脸部效果畸变的问题也几乎被Pika解决了。虽然人物脸部动作不明显，但是也保持了非常好的一致性，大大改善了之前AI动画最大的短板。...高容量模型和大规模训练数据的结合使模型具有高度通用性。相信，伴随着3D建模技术的不断发展，也许他们的Pika 1.0时刻也不远了。

3021 0

上交大找到「换脸」新方式：无惧死亡打光、直男视角 | 开源

对于同一人脸的大量图片进行分析并提取特征，然后将这种特征替换到目标图像上。这意味着什么呢？我换一个新脸，就得训练一个新模型。...但SimSwap提出了一种ID注入模块（IIM），在特征层面将源脸的身份信息迁移到目标脸，消除了原图特征信息与解码器的权重之间的相关性。这样，就将特定人脸互换算法的结构扩展到了任意人脸互换框架。...就算是自下而上的死亡打光图（下图右边第三行），SimSwap也表现得更好。其实，像这种目标脸属性（表情，姿势，灯光）比较复杂情况下造成的特征损失，一直是换脸面对的困难之一。...表情一夸张，或者处于极端角度和光线下时，就可能导致模糊和伪影。这是因为在换脸任务中，常常要为了匹配原始特征而删除一些纹理信息，进而使图像的深层特征产生丢失。...这样，即使没有对特定属性做任何明确的约束，输入图像的属性也能被一种隐式的方式保留。可以看到，虽然SimSwap在原特征表现上稍微落后，但涉及到脸部姿态这种复杂属性时，它的保存能力更好。

4623 0

坏了，人脸识别能检测出同性恋？

去年，斯坦福大学的助理教授 Michael Kosinki 和同事 Yilun Wang 在一篇论文中展示了人脸识别算法如何从图像中提取特征，来识别某人是否是同性恋。...而当测试者在提供五张面部图片的情况下，人脸识别算法的准确度增加到了 91％（男）和 83％（女）。...当时，他正在利用 Facebook 的用户数据做人格分析，在筛选个人资料时，注意到内向和外向的人有着截然不同的面孔，这让他感到两者可能存在某种联系。...不过，当被问及他是否会利用 AI 进行犯罪检测这种类似研究时，却表现得犹豫不决。...Kosinki 也称，AI 技术应用多少都存在隐私问题，但它有时可以用来拯救生命，这是在警告人们免受新技术困扰时存在的固有悖论，这是批评者们经常所忽视的。

9102 0

帮你偷懒的“老板探测器”，简直是机器学习年底最佳应用

在漫长的无心工作的“年底”里，你们大概需要动用深度学习技能来假装好好工作：当老板快要走到身后，让电脑自动隐藏“工作不宜”的窗口。付出这么多努力就为了工作时开个小差？...在桌上安装一个摄像头，当摄像头捕捉到老板的脸，让电脑自动隐藏“工作不宜”窗口。老板探测器的系统架构如下： Camera：一个实时捕捉图像的摄像头。...因此，这个系统需要以下能力：拍摄脸部照片识别脸部照片切换电脑窗口我们来逐个解决。拍摄脸部照片我选择了BUFFALO BSW20KM11BK摄像头。...摄像头有自带的拍照程序，但是考虑到后续的处理，需要在拍照时自动切出脸部图片，因此我选择用了Python和OpenCV来拍照。得到的脸部照片质量比我预想的要好。...我主要用ImageMagick来做脸部提取的工作，得到了下面这些脸部照片：现在可以开始学习了。

7159 0

如何教机器更好地理解人类情感？

这就是大家为什么在谈生意时更喜欢面对面，而不是通过电话会议，或者更喜欢通过电话会议而不是通过电子邮件或短信。交流的时候，我们离得越近，沟通传达的信息越多。声音识别软件在这几年已经很先进了。...姑且不去考虑脸部表情和身体语言，即使和声音比起来，转换出的文字也非常难获取到人的情绪含义。一开始的时候，我选择了构建一个声音情感感知器，因为做这样一个项目看起来非常好玩。...SAVEE 数据集的演员们特征提取接下来，我必须找到可以从音频中提取的有用的特征。最初，我认为使用短时傅立叶变换来提取频率信息。...我可以向你保证，事实并非如此。在达到83%的准确率之前，有许多版本的模型表现得相当糟糕。在一次迭代中，我没有正确地缩放输入，这导致几乎预测测试集中的每个文件都是“惊讶”的。...那么我从这次经历中学到了什么呢？首先，这个项目是一个很好的演示，简单地收集更多的数据可以极大地提高结果。我的第一次成功的模型迭代只使用Ravdess数据集，大约1400个音频文件。

7671 0

如何在 Python 内使用深度学习实现 iPhone X 的 FaceID

我对苹果公司使用的 FaceID 技术非常感兴趣，主要是因为这一切都是在移动设备上进行的，这项技术只利用了用户的脸进行了少量的初始训练，然后在每次拿起电话时都流畅地运行。...用这种方法，你得到了一个单阶段学习的体系结构，就像他们在要点中提到的一样。我知道，这里可能有一些名词读者并不是很熟悉：继续阅读，我会逐步解释我想表达的意思。 ?...创建我们自己的数据集需要时间同时离不开和其他许多人的合作，这可能非常具有挑战性。因此，我浏览了网页上的 RGB-D 人脸数据集，我找到了一个看起来非常合适的例子。...然后是解锁阶段，用户的脸部数据可以解锁设备，而其他人的脸部数据不能解锁设备。正如之前所提到的，区分点在于正在解锁手机的脸部数据与注册时的脸部数据之间的距离，并且该距离需要低于一个特定的阈值。...相同用户在嵌入空间中的脸部数据点距离。从另一个方面来说，不同人的脸部 RGBD 图像距离大概在 1.1 左右。 ?

8073 0

·简述人脸识别开发原理

0、文章概述我们知道人脸识别在这几年应用相当广泛，人脸考勤，人脸社交，人脸支付，哪里都有这黑科技的影响，特别这几年机器学习流行，使得人脸识别在应用和准确率更是达到了一个较高的水准。...最后将这张脸的特点与已知所有人脸进行比较，以确定这个人是谁。第一步：找出所有的面孔很显然在我们在人脸识别的流程中得首先找到图片中的人脸。...我们在使用手机或相机拍照时都会有人像模式，它能轻松的检测出人脸的位置，帮助相机快速对焦。 ?...我们得感谢保罗·比奥拉（Paul Viola）和迈克尔·琼斯（Michael Jones）在2000年发明了一种能够快速在廉价相机上运行的人脸检测方法，人脸检测在相机上的应用才成为主流。...这些HOG图案都是重其他面部训练数据中提取出来的。第二步：脸部的不同姿势我们已经找出了图片中的人脸，那么如何鉴别面朝不同方向的人脸呢？

3.2K3 0

如何让C罗在FIFA中的人脸更逼真？这个深度学习算法或将改变整个游戏产业！

C 罗脸部图像对比，左边是 FIFA 18 中的图像，右边图像是由一个深度神经网络生成的游戏工作室花费了数百万美元和数千小时来设计游戏图像，尽可能地让它们看起来和真实的一样。...然而，随着深度神经网络在图像处理领域取得的长足进步，现在是否已经到了这样的时间点，我们可以利用深度神经网络来提升图像的表现，同时也可以减少创建计算机图像的劳动量？...deepfakes 是一个深度神经网络，可以被训练来学习并生成极端逼真的人类脸部图像。我这个项目的目的是在游戏中重建运动员的脸部，并提升人脸图像的表现，让它们看上去就像真实的运动员一样。...v=7XchCsYtYMQ） ▌收集训练数据和游戏开发商不同，我可以从谷歌搜索到所有需要的数据，而不需要麻烦 C 罗穿戴用于动作捕捉的奇装异服我们先从 FIFA 18 中设计得最好的一张脸开始...从FIFA图像进行学习的第一个自编码器从真实图片进行学习的第二个自编码器当利用一个在其它脸部图像上预训练过的模型进行训练时，总体损失值在四小时内从大约 0.06 一直下降到 0.02，训练是在一台配有

8044 0

ZAO有风险！开源换脸工具FakeSwap今登GitHub排行榜，你也可以玩！

ZAO 是一款 AI 换脸软件，用户只需要一张正脸照就可以将视频中的人物替换为自己的脸，实现自己的 “明星梦”。一时间，在微信朋友圈以及抖音等社交软件上被大量用户的视频刷屏。 ?...不过，要使用FaceSwap并不难，GitHub repo提供了极为详细的训练教程，你需要做的只有：收集照片和/或视频从原始照片中提取人脸利用从照片/视频中提取的人脸训练一个模型使用训练好的模型对自己的照片...，描述了一种经过改进的 “换脸” 技术，可以在视频中用一个人的脸再现另一人脸部的动作、面部表情和说话口型。...这一切都是在潜意识里完成的，你没有意识到你的身体正在做这件事，大脑也没有立刻意识到身体其他部位的运动发生在何时，但从结果上看，这是一个目前Deepfake在创造假视频时的时候没有考虑到的因素。 ?...在实验中，这款新的AI准确发现伪造视频的几率达到了92%，实验对象包括使用多种技术创建的假视频，以及由于视频文件被过度压缩导致图像质量下降的视频。

6.8K10 0

如何用Python实现iPhone X的人脸解锁功能？

此外，它还引入了红外相机来捕捉用户脸部图片，它拍摄到的图片对外界环境的光线和颜色变化具有更强的鲁棒性。通过深度学习，智能手机能够非常详细了解用户脸部信息。所以当用户接电话时，手机就会自动识别并解锁。...在本文中，我将介绍如何使用深度学习框架 Keras 实现一个类似 FaceID 的算法，解释我所采取的各种架构决策，并使用 Kinect 展示一些最终实验结果。...如此，你就得到了一个准确的、适用于少样本学习（one-shot learning）的模型结构，而这种模型在只有少量训练样本的情况下，也能够学习样本特征并进行推测分类。...我们所希望的是，该网络能够从数据中提取并学习到最有意义的特征，并将其压缩成一个数组，来创建一个有意义的映射。...这意味着，要解锁你的手机，该网络只需计算在解锁过程中拍摄的人脸照片与注册时所存储的人脸照片之间的距离。如果这个距离低于某个阈值，则会解锁手机，阈值设置得越小，你的手机将越安全。

1.7K6 0

传统算法和深度学习的结合和实践，解读与优化 deepfake

则学会了提取A，B的共有特征，比如眼睛的大小，皮肤的纹理，而解码器根据得到的编码，分别找对应的信息复原，这样就能起到换脸的效果了。　　...预处理　　在本文开头处，我就强调了这个不是end-to-end的东西，接下来就着找介绍deepfake里的预处理和后处理。　　...事实上，这里得补充一点，人脸检测和定位如果不想自己实现，一般有两种实现方法(在本地实现)，一种是使用dlib库提供的api，另一种是使用opencv。...肤色检测　　显然，我们选择人脸的特征点的位置信息，目的时为了只替换人脸，这样可以尽量将信息损失（模糊）局限于人脸部分，而其他部分则保留原图的清晰度，而我们刚才说过了，deepfake并不将全图放进神经网络...本文最后提出的肤色检测代替原来人脸特征点检测的，算是一种补充。我也曾经尝试过一些模型压缩的算法，虽然在原始数据下可以恢复精度，但迁移的能力差(因为参数少了)。

8141 0

为给艺术生讲编程，上海大学副教授“变身”萝莉，自制软件二次元上网课

利用技术手段，不仅可以在二次元里感受更加有代入感的“课堂”环境，还可以让同学自行选择各种讲课的动画人物，从萌妹子到机械人，应有尽有。 ?...图片来自澎湃新闻近日，蒋飞老师也在澎湃新闻的采访视频中说明了自己为何萌生了这样的想法，又是如何“变装”萌妹子上课的，快和文摘菌一起来看看吧~ 视频来自澎湃新闻 “变装萌妹”上课，从本科课堂火到了研究生...谈到线上教学，蒋飞认为，这也是对老师的一种挑战，老师的压力更大了，“我感觉上了一个小时的线上，相当于两个小时的线下，真的是成倍的增加”。...第二步便是将检测到的人体数据与动画人物相匹配，这个需要相应的软件，Adobe公司出品的CharacterAnimator就可以将人体的动作实时投射到动画人物，但是却不能实时运行，只能用于后期。...北邮的这次全息投影远程直播授课主要有两个特色，一是凭借5G低时延、高速率特性实现的4K影像实时传输，二是全息投影带来的全新体验。 ? 芦鹏飞老师在沙河校区现场授课 ?

7090 0

神“乐”马良：AI直接将音频转换成动画

论文： https://arviolin.github.io/AudioBodyDynamics/ARmusic_paper_final.pdf 钢琴家在弹奏钢琴曲时，他们的身体会对音乐产生反应。...此外，有一些方法显示出预测唇语的显著结果。也就是说，给定一个人说话的音频，他们可以预测出这个人说话时嘴唇的运动。这两个方向取得的进步启发了我们，我们试图去解决仅仅从音乐中预测身体和手指运动的挑战。...每一帧共50个关键点，其中21个点表示每只手的手指，8个点表示上半身。 ? 图3：训练数据除了预测点之外，我们的另一个目标是通过动画形象的方式来可视化这些点，让动画人物根据给定的音频输入自主活动。...最后的输出是能根据音频输入活动的动画人物。请看视频： ? 关键点估计我们对两种关键点感兴趣：身体和手指。...我们获取相对精确的关键点的过程如下：我们首先通过三个库来运行视频：提供脸部、身体和手的关键点的OpenPose，MaskRCNN，以及人脸识别算法DeepFace。

1.3K0 0

Python错误：UnboundLocalError: local variable ‘total’ referenced before assignment解决办法

大家好，又见面了，我是你们的朋友全栈君。 1.错误概述今天练习类似于如下代码的时候遇到了一个UnboundLocalError错误，该错误的内容翻译过来就是：局部变量total没有定义就使用了。...test.py", line 5, in change() File "test.py", line 3, in change total = total + 1 UnboundLocalError...那么这个变量就会被认为是局部变量，就像在change()这个函数范围之内，我们对total这个变量进行了重新赋值：total=total+1，那么编译器就会认为total这个变量是一个局部变量，而这个赋值表达式实际上是从右向左进行的，...也就是说，在进行total+1运算的时候，total并没有被定义，所以就爆出了这个UnboundLocalError错误。...3.解决办法在对total进行赋值之前，先用global关键字将total变成一个全局变量，这样设置之后，编译器就会看到total已经在函数之外定义过了，所以就不会报错。

1.2K1 0

这年头，不会斗图都毕不了业？

出题的这位老师在出考卷时，就是看到学生们正在群里斗图，才灵机一动想到了这道题目，以表情包作为考点，考查学生对“用户体验与心理”的认知。...因此我们在设计中，考虑能在聊天中的斗图场景下，自动触发功能并为用户快速提供结果：在聊天窗口中，当在最新的一屏消息内有两条及以上的图片消息（我们认为此刻为潜在的斗图情景），则会触发对此图片的人脸识别判断...[1501470907169_1403_1501470907540.jpg] 在编辑界面中，用户可以选择预设的身体及脸部素材，也可以自己添加相册照片、聊天图片、收藏表情来做背景，或者提取图片中的脸部来进行创作...[1501470922282_3457_1501470922545.jpg] 另外，别说我没提醒你们：通过“来斗”功能提取的脸部，还可以保存下来，方便用户多次使用小伙伴的经典表情哟！...首先将图片里的脸部抠出后，先去色成黑白并制成透明，这样在与不同底图合成时，能一定程度解决不同肤色和光线的脸部融合的问题，同时也契合现在流行的斗图表情风格。

1.3K9 0

耶鲁大学等多个机构研究新成果，用机器人教聋哑儿童如何交流

孩子仿佛接收到了指令，眼睛也顺着机器人的目光转到屏幕，上面有一个人的头像，正在轻轻哼着童谣。或许很多人看起来这个场景非常简单，但是你们并不知道，这个男孩已经在两个层面上做了些非常了不起的事情。...在一个理想情况下，在早期发育过程中每个孩子都能获得足够多的面对面交流机会，要么通过手语，要么通过口语来建立扎实的语言技能。但事实上，并不是所有的父母都有时间能够坐下来陪伴孩子，给他们读书。...在孩子心智发展过程中，最有趣的就是自然语言学习，无论是口语还是手语，都会刺激大脑的相同区域。...不过，该研究团队的机器人模拟系统使用了更加微妙的方法来读取孩子的脑部信息，这套系统还会利用热像仪读取孩子脸部的温度微小变化，反馈出他们对语言的认知。...当然，你也可以在孩子们面前播放《芝麻街》动画片，让他们与动画人物进行互动，但是这种所谓的“互动媒介”不可避免地会出现很多问题。

5910 0

在口罩上打印半张脸，“暴力”续命手机解锁

佩戴口罩使得面部识别变得困难这件事，并非只有用户想到了。旷视在2月初的时候就提出申请1亿元人民币，用于开发佩戴口罩的面部识别技术，其中还包括提高在人群中识别佩戴口罩的个人的准确度。...但是，对于苹果等使用3D人脸识别的智能手机来说，这种口罩的识别效果就要逊色许多，苹果的Face ID借助复杂的摄像头模块获取用户的脸部数据，创建了脸部数据的3D地图，尽管佩戴上帽子或头饰时还是能够识别，...根据Baskin介绍，现在人脸识别技术已经发展得相当成熟，以至于或许走在大街上，你的脸部数据就已经被某个数据公司成功采集，然后用于一些非法行为上。...该项技术的开发，需要利用人脸质量模型对被口罩遮挡的人脸进行口罩遮挡判断以及遮挡区域提取两类分析。...其中的关键在于，在自行使用相关技术带来的便利时，我们是自愿的，也知晓自己的脸部数据正在被识别，但是公权力和商业组织使用时，我们是不知情的，即使知情也无法要求关闭系统。

7162 0

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭