展开

关键词

长篇研究

随着人工智能、大数据和深度学习的不断发展,以及3D传感器、深度摄像头等硬件的不断升级,利用深度信息进行三维,逐渐受到苹果公司等科大牛和高通等厂商重视,并被植入到硬件产品中。 举个例子,苹果即将推出的新一代手机中可能搭载3D扫描,即在传统平面的基础上,能够出人脸或者的3D外部轮廓,比如系统能够扫描出一个立的脸部,从而大幅度增加的准确性,这种也避免了过去用一张照片就欺骗平面系统的问题 基于图像特征进行实际上是根据提取到图像的特征来判断图像中属于什么类。形状、纹理和颜色等特征是最常用的视觉特征,也是现阶段基于图像的中采用的主要特征。 4)的困难与前景虽然已经被广泛研究了很多年,研究出大量的和算法,方法的健壮性、正确性、效率以及范围得到了很大的提升,但是现在依然存在一些困难以及障碍。 的成功将会极大改变提高智能工具的能力,成为计算机里程碑式的一项研究。

73600

联网关键之射频

在人们追求便利之时,射频恰恰出现在人们的视线之内,那么,射频究竟是什么呢? 无线射频即射频(Radio Frequency ldentification, RFID) ,是自动的一-种,通过无线射频方式进行非接触双向数据通信,利用无线射频方式对记录媒(电子标签或射频卡 )进行读写,从而达到目标和数据交换的目的。 对于我们来说,射频随处可在,或许就会有人纳闷:这么高级的,这么快就运用到我们的身边了?其实答案是肯定的,如:公交卡、二代身份证、食堂餐卡等都是RFID的实应用。 时至今日,RFID的理论得到了进一步的丰富和发展,人们研发单芯片电子标签、多电子标签读、无线可读可写、适应高速移动的RFID不断发展,并且相关产品也走入我们的生活,并开始广泛应用。

32810
  • 广告
    关闭

    50+款云产品免费体验

    提供包括云服务器,云数据库在内的50+款云计算产品。打造一站式的云产品试用服务,助力开发者和企业零门槛上云。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    简易版

    “AI”,“机器学习”,“深度学习”是当下的流行语,每个人都希望发展自己的AI点,增强客户验和理解,探索更多并扩展他们的专业范围,这是很好的!#GoA.I。 现在我们已经完成所有设置,我们将通过几行代码来图像文档中的大多数基本对象。在我们使用Jupiter Notebook之前设置,确保所有下载都在工作目录中。 作为输入,我们将在2015年夏天在蒙特利尔某处拍摄一张非常漂亮的照片,目标最终将是检测照片上的内容,是否有汽车,人?更多?多少。?2015年夏季首先要安装ImageAI! 实际上永远不要忘记,Matplotlib可以清晰的对检测到的方形区域进行判,np框架能够用来存储数据(再一次发挥巨大作用!)最后我们将工作目录声明为可执行路径,方面后面使用H5py。 matryNew.jpg)) for eachObject in detections: print(eachObject , : , eachObject )我们最后一件事没有涉及的是何时使用检测

    37210

    openCV 简单

    本篇的例子介绍使用numpy和 OpenCV ,仅根据对象的尺寸和颜色进行简单的。专业的图像须借助机器学习(含神经网络即深度学习),本篇不做介绍。 下图截屏于支付宝登山赛小游戏,我们的任务是一系列截图中的小鸡和金币,并给出其各自中心位置的大概坐标(原点在图像的左上角)。?首先是抠掉不动的背景。上篇已有介绍,不再赘述。

    3.2K20

    AI科大发展,生盘点

    在进行人身份认证时,其主要通过计算机与光学、声学、生传感器和生统计学原理等高科手段密切结合,利用人固有的生理特性和行为特征来进行个人身份的鉴定。 目前,常用的生主要包括:人脸、指纹、虹膜、行为以及步态。一、人脸:人脸又称面部,是基于人的脸部特征信息进行身份的一种生。 三、行为:伴随着人脸、指纹、虹膜的不断成熟和发展,生也逐渐衍生为现在以姿态估计、动作为主的行为。 不止于上述提及的五大,生还包括声纹、眼纹、视网膜、静脉、人等等。 小结:不可否认,从指纹认证到人脸、虹膜,生正迈步进入“视觉时代”。在不断进步是事实,但这种“视觉时代”的背后,多重生才是未来生发展的王道。

    45130

    自制软件

    需求在联网和智能家居的制作方面,是一个很重要的方面。我们都知道,联网主要分为感知、网络传输、综合运用等方面。而感知最重要的就是出是什么。 我们平时主要是根据各种电子标签提前标的序号,从而让中央处理单元以前知道是什么。而我们在生活中,还常常利用图像进行,感测出是什么。 image.png 本文中制作的图像软件是由python和pyqt5制作而成,使用LBP+SVM,训练给定的测试图像,从而进行。 image.png 图像建立testing文件夹,在其中存放你想要的图像。 后续如果想了解更多联网、智能家居项目知,可以关注我的项目实战专栏。或者关注公众号。 编写不易,感谢支持。

    24320

    科学家提出量子生

    美国《麻省理工学院评论》杂志发表文章,称科学家已经提出了量子生。在安全性方面,量子世界提供了无与伦比的财富。例如,根据理学定律,量子密码能够提供绝对的保密性。 现在,由于希腊雅典国家大学(National Technical University of Athens)研究人员的努力,我们得到了一个答案。他们主要致力于研究如何利用量子力学进行安全身份。 研究人员表示,量子生能够使更加准确,让恶意用户更难实施欺诈。此外,该团队还利用理学定律来准确量化量子生的能力。众所周知,人眼具有检测单光子的能力,而这项新正是基于这种能力。 但是,研究人员表示,这将需要远超现有水平的测量。一个重要的问题是需要多少次测量才能正确。这取决于身份所要求的准确程度,且有两种可能的错误方式。 第一种是假阳性错误,即错误地将窃听者为受试者。第二种是假阴性错误,即不能正确受试者。研究人员说:“这种生的假阳性和假阴性测定概率分是接近十亿分之一和万分之一。

    51170

    在Android上用AI

    AI其中一个很重要的应用就是。今天我们来看看如何在Android上实现这个功能。包括两个方面,一个是位置,划出图片中的在什么位置。 另一个是,告诉你这是个什么,是人是狗,是桌子还是鸟。?SSD目前最优秀的神经网络能够1900多种。我们把这个网络落地到Android上看看它的效果怎样。 AI 的输入和输出拿模型来说,这个模型能1000多种,那么它对一张图片的分析结果也会有1000多个输出对不对?我们先简单地理解这个过程。 假设这个模型能2种,分是猫和狗,忽略的位置的话,那么它的输出结果应该是啥? 网络通常有两个模型来构成,一个是网络,另一个是标签。网络是用来分析图片并输出结果的,标签是用来描述网络能什么内容。

    2.1K60

    步态

    新兴的步态,神在哪里?提到“生”,大家首先想到的肯定是面部、指纹和虹膜等,这些对人而言独一无二的特征成为了安全性很高的“活密码”。 然而,上述几类都需要在近距离情况下才能使用,同时在具有遮挡的情况下也很难准确。面对这种局限性,步态以其难隐藏性和非接触性等特点从众多中脱颖而出,成为该领域的一匹“黑马”。 步态关键步态的关键主要包括步态的关键主要包括步态采集、步态分割、特征提取、特征比对,具任务流程如下图所示。 、防护,可以实现自动非 法入侵告警,并跟踪锁定可疑人,一如电影《碟中谍5》中展现的炫酷步态。 然而全球生市场规模巨大,我们有理由相信步态的出现必然会推动金融、交通、运动和临床等行业领域更进一步发展, 实现更多元化的场景应用。

    21231

    11.24 VR扫描:苹果公布VoxelNet,通过雷达周围3D

    苹果公布VoxelNet,通过雷达周围3D ?近日,苹果在康奈尔科研开放式目录网站上发表了一篇论文,公布了VoxelNet。 该通过借助机器学习,将激光束采集到的原始点云数据,无需额外传感器数据的帮助,即可转化为3D的探测结果。 VRPinea独家点评:苹果最近爆出的真是多,希望早日应用。TPCAST首次展示Rift版无线套件,将于年内推出? 故宫推VR沉浸式验,用科讲述历史?近日,故宫推出紫禁城VR 4D沉浸式验项目。借助先进的VR,游客可以突破时空限制,在逼真的历史场景中行走、触摸和验。 故宫方面希望,通过这种验,增加游客对故宫文化的认,让人们身临其境地感受故宫的历史文化魅力。此外,故宫还为游客配备了3D动感座椅和灯光氛围控制系统。

    40880

    人脸优缺点,人脸的原理

    现如今,在案件侦破,小区门禁,手机解锁等等方面,我们都需要用到人脸,这项应用到了很多的场景当中,对于日常的生活来说也提供了不少的便利,下面我们就将为大家介绍人脸。 image.png一、人脸的优缺点人脸的适用范围是相当的广的,在使用上也是非常的方便,它是通过根据人们脸部的生特征来进行身份的确认,通过这样的方式,我们可以不用带其它的证件或者是进行其它的操作 虽然人脸的优点非常多,但是我们也需要注意到它的缺点,因为人类的脸部或多或少存在着一定的相似性,所以对于人脸的外形来说,它是很不稳定的,而且有些人脸还可能会导致信息的泄露。 二、人脸的原理人脸的一种,主要是通过人类的面部特征来进行身份确认,在判断出是否存在人脸之后,就会开始检测脸部的位置和大小,根据检测出来的信息,就可以提出身份特征,然后和已知的人脸之间进行对此 人脸在现在的社会中已经越来越普遍了,我们也日常的生活中随处可见人脸,有些小区也是可以通过人脸来确定身份,不过我们在进行人脸的过程,也要多加注意保护自己的信息。

    34020

    情感变革人机交互

    这种情感处理的潜在应用包括嵌入各种类型设备(包括诸如谷歌眼镜等可穿戴)的情感检测器。 临床应用——研究科学家可以用面部动作编码系统基因、化学混合以及大脑用来调节情感产的神经元回路。情感还能用来诊断孤独症、创伤后应激障碍或面部表情不直接反应情感的其它情况。 ARIS点评巨大的潜力——实时情感可以极大地改善所收集的信息的数量和质量,从而达到最优的用户验目的。 这类设备的广泛使用确保了情感能够得到快速普及。隐私担忧——对隐私和保密权利的顾虑会阻碍情感在消费市场中的普及。 ,因为这种情感具有彻底改革人机交互的潜力。

    62670

    OCR文字

    信息化时代,录入信息的时代,在这大数据时代,非结构数据如何快速高效地处理图片化、形化的信源,使之通过转化为可编辑的文本信息和特征数据,方便数据库的采集、管理、分析和决策,成为摆在诸多领域面前的共同难题 OCR,作为一种自动解读这种图像符号的,毫无疑问将是下阶段大数据发展的大方向。 因为随着移动互联网的繁荣发展,社会已经迎来了移动应用井喷时代,而出于对业务模式创新,以及用户验优化的追求,以前很多依赖特定仪器才能实现的和操作开始适配到移动端, OCR就是这股移动化浪潮中相当受到瞩目的之一 从身份证、银行卡、车牌到名片、文档等各种形式的OCR都能轻松搞定。现在你只要用手机对准这些进行拍照扫描,OCR瞬间就能将图片中的文字转变为可编辑的文本信息。 在这信息高速发展的时代,信息电子化已经成为了时代的必然趋势,而OCR作为文字电子化过程中最重要的环节,它改变了传统纸质介质资料输入的概念。

    62220

    猿 | 牛人讲解手势

    谈起手势,由简单粗略的到复杂精细的,大致可以分为三个等级:二维手型、二维手势、三维手势。在具讨论手势之前,我们有必要先知道二维和三维的差。 “静态”是这种二维手势的重要特征,这种只能手势的“状态”,而不能感知手势的“持续变化”。举个例子来说,如果将这种用在猜拳上的话,它可以出石头、剪刀和布的手势状态。 这种的基本原理是,加载一个激光投射器,在激光投射器外面放一个刻有特定图样的光栅,激光通过光栅进行投射成像时会发生折射,从而使得激光最终在表面上的落点产生位移。 同时,这一硬件也是微软新一代Kinect所使用的。这种的基本原理是加载一个发光元件,发光元件发出的光子在碰到表面后会反射回来。 相比于结构光或者光飞时间这两种成本高、功耗大的缺点,多角成像能提供“价廉美”的三维手势效果。

    1.4K50

    调查称67%的数码锁采用生

    据外媒报道,美国市场研究咨询公司透明度市场研究(Transparency Market Research)最新发文指出,生在数码门锁系统中逐渐成为标准。 该公司最新发布了分析“数码门锁系统市场”总情况的报告,指出2016年生门锁系统占市场份额67%。据该公司预测,到2025年,这项将占领73%的市场份额。 这一趋势将与数码门锁市场的整强劲增长趋势相吻合。随着企业和住宅领域的需求推动,该市场的价值将从2016年的11.6亿美元持续攀升,到2025年底突破150亿美元。 当然,也存在一些障碍:透明度市场研究公司在一份报告概要中提到一个关键问题,即“某些区域市场的信息素养低阻碍了该的大规模接受”。 但随着政府大规模部署的生不断增加,同时装置了嵌入式生传感器的消费类电子产品也继续发展,熟悉这项应该越来越不成为问题,这将推动数码门锁市场不断前进。

    38490

    新恶意软件可欺骗生验证

    2016年8月,罗马尼亚软百科(Softpedia)网站发布消息称,新的恶意软件可以欺骗生验证。 据Softpedia报道,已经出现了一种新的恶意软件,旨在破解在金融服务机构中越来越流行的行为生特征。这种软件就是Gozi的最新版本:一种在2015年首次出现的恶意软件代码。 值得注意的是,针对高价值目标,恶意软件允许操作员手动接管操作,而这个版本的Gozi会加入一些与某些安全平台中使用的行为生特征相关的数据,如光标移动、按键等,以模仿人类的正常操作模式。 该漏洞的出现说明了在越来越先进的安全和不断变化的恶意软件之间存在辩证关系,并为其他在线安全方法如生提出了问题。基于浏览器的指纹扫描能否为网上交易提供更好的安全性?

    41880

    耳朵生 - 机器学习更进一步

    作者 | Hitesh Valecha 来源 | Medium编辑 | 代码医生团队耳朵生认证像使用面部,虹膜和手指的其他生一样,耳朵作为生包含大量特定且独特的特征,允许人类。 即使没有远距离感知主,也可以捕获耳朵数据。耳朵生可以作为被动生的一个很好的例子,并且不需要来自该主题的太多合作,这满足了环境中存在的认证系统的保密性的要求。 耳朵生系统将在各个领域具有多种用途 - 认证,访问和出勤控制,旅行控制,金融和其他需要授权的交易,远程投票,自动化工作设备的使用,动作控制。 结论耳朵生系统最重要的优势是没有他们知的人。此功能将改变被动生的动态,并可在生领域带来完全的自动化。 Eyad Haj Said,北卡罗来纳州农业州立大学,北卡罗来纳州Greensboro,Ayman Abaza和Hany Ammar,西弗吉尼亚大学计算机科学与电子工程系,西弗吉尼亚州摩根敦,“使用数学形态学的彩色面部图像中的耳朵分割

    50920

    Google发布TensorflowAPI ,自动视频内容

    做图像有很多不同的途径。谷歌最近发布了一个使用Tensorflow的API,让计算机视觉在各方面都更进了一步。?API概述这个API是用COCO(文本中的常见)数据集训练出来的。 这是一个大约有30万张图像、90种最常见的数据集。的样本包括:COCO数据集的一些种类这个API提供了5种不同的模型,使用者可以通过设置不同检测边界范围来平衡运行速度和准确率。? 使用了Python moviepy库,主要步骤如下:首先,使用VideoFileClip函数从视频中提取图像;然后使用fl_image函数在视频中提取图像,并在上面应用API。 通过这个函数就可以实现在每个视频上提取图像并应用;最后,把所有处理过的图像片段合并成一个新视频。对于3-4秒的片段,这个程序需要花费大概1分钟的时间来运行。 几个进一步探索这个API的想法:尝试一些准确率更高但成本也更高的模型,看看他们有什么不同;寻找加速这个API的方法,这样它就可以被用于车载装置上进行实时检测;谷歌也提供了一些能来应用这些模型进行传递学习

    1.3K50

    MIT利用深度学习在黑暗中拍摄的照片里的

    而在几乎完全黑暗的情况下,这种透明特征或的缺陷几乎不可能被发现。为了解决这个问题,麻省理工学院的工程师开发出一种能够在黑暗中揭示这些难以发现的细节的。 论文发表在“Physical Review Letters”上,研究人员从这些的图像重建透明,前提是这些几乎是在黑暗中拍摄的。 他们使用深度神经网络来实现这一目标,将黑暗的颗粒状的透明图像和本身关联。团队训练了一台计算机,让它根据带有大量颗粒的图像,10000多个透明玻璃状蚀刻。 深度学习深度神经网络已广泛应用于计算机视觉和图像领域,麻省理工学院机械工程教授George Barbastathis的团队是第一个在实验中使用深度神经网络揭示黑暗中不可见的。 该团队开发了一个深度神经网络,用于暗图像中的透明图案,然后向网络提供相机拍摄的10000张颗粒状照片,以及相应的图案,或者名之为“地面实况”的图像。当训练计算机后,你会希望给它会辨出全新的输入。

    55310

    OCR检测与

    而在用户意图和广告理解上,借助于广告图片中的文本以及手段,可以更加有效的加深对广告创意、用户偏好等方面的理解,从而更好的服务于广告推荐业务。 数平精准推荐团队场景文本检测1、文本检测文本检测是场景文本的前提条件,要解决的问题是如何在杂乱无序、千奇百怪的复杂场景中准确地定位出文字的位置。 我们在检测架构的基础上,将角度信息融入到检测框架中,目的在于回归任意方向的文本框。 ,尤其在广告推荐的场景中,通过OCR对广告的素材创意进一步的和理解,大幅提升了用户点击率预估的效果。 OCR模块属于多分类问题,对效果影响大的因素包括:复杂背景、艺、低分辨率、非均匀光照、图像退化、字符形变、多语言混合、文本行复杂版式、检测框字符残缺,等等。

    4.6K101

    相关产品

    • 智能识别

      智能识别

      腾讯云视频智能识别基于腾讯各实验室(优图实验室、微信智聆等)最新研究成果,为您提供视频内容理解的全面服务,支持识别视频内的人物、语音(ASR)、文字(OCR)、物体以及帧画面标签。对视频进行多维度结构化分析,方便媒资管理,为存档媒资再利用赋能。

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券