展开

关键词

刷新世界纪录,图普科技夺MegaFace百万级人脸识别冠军

近期,图普科技在国际权威海量人脸识别数据库MegaFace中,以99.087%的最新成绩在百万级别人脸识别测试中拔得头筹,参加这项测试的还有来自Google、微软中国、百度、腾讯等公司的AI团队。 数据来源:Megaface MegaFace是目前权威热门的评价人脸识别性能,特别是海量人脸识别检索性能的基准参照之一。 与知名的人脸识别评测LFW数据库侧重于对比两张人脸照片是否具有相同身份不同,MegaFace以海量人脸注册情况下的识别率为重要指标,难度更大。 在人工智能领域,人脸识别技术的应用规模在不断扩展、算法能力在不断提升,这使得简单的人脸对比评测已经很难区分不同算法能力之间的差距。 在海量人脸识别测试中,当干扰集达到百万人规模时的人脸识别准确率已成为了人脸识别技术落地应用的有效指标。图普科技刷新MegaFace记录,攻克海量人脸识别难题,也为其更大规模的落地应用提供了技术优势。

37920

动态 | 刷新世界纪录,图普科技夺MegaFace百万级人脸识别冠军

AI 科技评论按:近期,图普科技在国际权威海量人脸识别数据库 MegaFace 中,以 99.087% 的最新成绩在百万级别人脸识别测试中拔得头筹,参加这项测试的还有来自 Google、微软中国、百度、 数据来源:Megaface MegaFace 是目前最为权威热门的评价人脸识别性能,特别是海量人脸识别检索性能的基准参照之一。 与知名的人脸识别评测 LFW 数据库侧重于对比两张人脸照片是否具有相同身份不同,MegaFace 以海量人脸注册情况下的识别率为重要指标,难度更大。 在海量人脸识别测试中,当干扰集达到百万人规模时的人脸识别准确率已成为了人脸识别技术落地应用的有效指标。 图普科技刷新 MegaFace 记录,攻克海量人脸识别难题,也为其更大规模的落地应用提供了技术优势。

27630
  • 广告
    关闭

    人脸识别限时特惠,10万次资源包仅需9.9元!!

    基于腾讯优图强大的面部分析技术,提供包括人脸检测与分析、比对、搜索、验证、五官定位、活体检测等多种功能,为开发者和企业提供高性能高可用的人脸识别服务

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    【难度越大,优势越大】腾讯AI Lab刷新人脸识别与人脸检测国际记录

    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。 日前,腾讯AI Lab研发的Face R-FCN和Face CNN算法,分别在国际最大、最难的人脸检测平台WIDER FACE与权威人脸识别检测平台MegaFace多项评测指标中获得第一,刷新了行业纪录 人脸识别算法Face CNN:MegaFace刷榜 MegaFace竞赛是国际知名人脸识别检测平台,旨在评估百万级别规模下的人脸识别。 MegaFace有多个评测指标,比如常规识别评测、跨年龄识别评测、1:N辨识(Face Identification,在N个人数据库中找到1个目标人脸)、1:1验证(Face Verification, MegaFace跨年龄人脸数据样例。这些照片是同一个人在不同年龄时所拍照片 新版Challenge 2(MF2)中,1:N辨识和1:1验证的准确率是两项关键评测指标。

    62560

    腾讯AI Lab刷新人脸检测与识别两大测评国际记录,技术日调用超六亿

    本文第一部分介绍在WIDER FACE全部测试中斩获第一的人脸检测算法Face R-FCN,第二部分介绍在MegaFace Challenge 2所有测试斩获第一的人脸识别算法Face CNN,第三部分介绍这些人脸技术的应用方向与前景 腾讯AI Lab在国际最大、最难的人脸检测平台WIDER FACE与最热门权威的人脸识别平台MegaFace的多项评测指标中荣膺榜首,刷新行业纪录,展现其在计算机视觉领域中,特别是人脸技术上的强劲实力。 Challenge 2所有测试斩获第一 在人脸识别领域,MegaFace是目前最权威热门的人脸识别评测平台之一,由美国华盛顿大学(University of Washington)发布维护,在百万规模人脸数据下 MegaFace常规人脸数据样例 MegaFace跨年龄人脸数据样例,这是同一人不同年龄时照片 腾讯AI Lab针对常规人脸识别和跨年龄人脸识别,在网络模型结构、特征学习等方面创新性改进 MegaFace含两个Challenge,Challenge 1(MF1)可使用任何外部不限量的人脸数据来训练参赛算法,如谷歌使用亿级数据,其他团队采用百万级数据,较难公平比较算法性能。

    77250

    腾讯AI Lab刷新人脸识别与检测两大测评国际记录,技术日调用超六亿

    2017年12月18日,深圳 - 腾讯AI Lab研发的Face R-FCN和FaceCNN算法分别在国际最大、最难的人脸检测平台WIDER FACE与最热门权威的人脸识别平台MegaFace多项评测指标中荣膺榜首 FaceCNN在MegaFace Challenge 2所有测试斩获第一 在人脸识别领域,MegaFace是目前最权威热门的人脸识别评测平台之一,由美国华盛顿大学(University of Washington MegaFace常规人脸数据样例 MegaFace跨年龄人脸数据样例。 该算法在MegaFace测试平台中使用官方指定训练数据,即在完全公平竞争情况下评测不同参赛算法的性能时,在MegaFace Challenge 2(简称为MF2)的所有测试任务均取得世界第一。 MegaFace含两个Challenge,Challenge 1(MF1)可使用任何外部不限量的人脸数据来训练参赛算法,如谷歌使用亿级数据,其他团队采用百万级数据,较难公平比较算法性能。

    52010

    中国团队夺得MegaFace百万人脸识别冠军,精度98%再创记录,论文代码+数据全开源

    MegaFace数据集 网络结构 首先,我们尝试在人脸识别的任务上找到一个优秀的网络结构。 3.1 网络输入设定 在我们所有的实验当中,都根据人脸的 5 个关键点进行对齐,并且切割设置大小到 112x112。 Softmax 是最常见的人脸识别损失函数,然而,Softmax 不会显式的优化类间和类内距离的,所以通常不会有太好的性能。 在训练中,相同类的人脸图片会向着自己的 w − vector 压紧。 表 3 4.7.2 MegaFace 百万人脸测试 需要声明的是,我们对 MegaFace 干扰集做了仔细的比对和清理 (标记 (R)),这样获得的性能才是模型本来的性能,也移除了噪音带来的随机性。

    1.8K100

    五分钟快速接入人脸识别能力之人脸搜索

    本篇文章使用腾讯云人脸识别能力,快速实现人脸搜索,可以应用于需要匹配人脸的业务场景中。 1、创建API密钥:https://console.cloud.tencent.com/cam/capi,密钥是唯一的凭据,请妥善保存哟 image.png 2、登录人脸识别控制台,在人脸库中新建一个人脸库 FaceModelVersion": "3.0", "RequestId": "1fa8e80b-ca8e-40be-92b2-7971b771f73c" } 关于匹配结果的准确度,可以参考一下官方描述 人脸搜索的推荐阈值是多少 1万大小人脸底库下,误识率百分之一对应分数为70分,误识率千分之一对应分数为80分,误识率万分之一对应分数为90分。 10万大小人脸底库下,误识率百分之一对应分数为80分,误识率千分之一对应分数为90分,误识率万分之一对应分数为100分。

    47831

    腾讯优图连夺世界冠军背后:百万级人脸识别达83%,人眼只有23% | 新智元专访

    连拿两项人脸识别国际冠军,刷分只是检验技术落地成果副产品 2017年4月,腾讯优图实验室就在国际最权威、难度最高的海量人脸识别数据库MegaFace中,以83.290%的最新成绩在100万级别人脸识别测试 关于MegaFaceMegaFace是由美国华盛顿大学(University of Washington)计算机科学与工程实验室发布并维护的一套公开人脸数据集,MegaFace以海量人脸注册情况下的识别率为重要指标 ,MegaFace是目前最为权威热门的评价人脸识别性能,特别是海量人脸识别检索性能的基准参照之一。 根据腾讯优图团队的介绍,MegaFace是业界第一个对海量1:N人脸识别技术进行评测的人脸识别竞赛。海量1:N人脸识别技术应用前景更广,难度也更大。 相比通用物体识别,人脸识别技术在20年前就已经有非常多的业务落地应用,优图团队介绍,他们人脸识别落地项目非常多,所以关注LFW、MegaFace比赛也是必然的。

    1.2K60

    腾讯云人脸识别接口常见问题解析——人脸搜索相关

    【用户问题】:希望在使用人脸库结合人脸搜索的时候能返回图片。 【答】: 很抱歉暂时不能啊! 但是,我们还是希望能实现用户桑迪的想法的啊,所以我尝试给出如下两个解决办法。 如果认真通读了人脸搜索的相关文档 https://cloud.tencent.com/document/product/867/32798 你一定会发现,还是没看出来怎么办,对,我也没看出来怎么解决。 image.png 不过,熟悉下文档总是好的嘛(因为我们的文档也不定期更新哦)o( ̄▽ ̄)o 好消息要说一下,如果您只是想可视化人脸搜索的历史操作,您可以移步人脸搜索控制台: image.png 腾讯云于 2019年8月1 号新增了人脸搜索的可视化操作界面。 比如,人脸相似搜索,还可以多张脸一起搜索,最多支持到10张,能最多搜出来100张哦。 image.png 下回再见!! 这插图怎么变小啊,太大了8.

    1.1K180

    腾讯云人脸搜索资源包计费笔记

    针对在线 API 调用方式,腾讯云提供按 QPS 计费和按调用次数计费两种计费模式(默认为调用次数计费)。在调用次数计费模式中,您每月每种服务均有10000次的...

    25820

    业界 | 腾讯AI Lab提出Face R-FCN与Face CNN,刷新人脸检测与识别两大测评记录

    机器之心报道 参与:吴欣 据机器之心消息,腾讯 AI Lab 在大型人脸检测平台 WIDER FACE 与人脸识别平台 MegaFace 的多项评测指标中荣膺榜首,刷新行业纪录。 此次,腾讯 AI Lab 分别在大型人脸检测平台 WIDER FACE 与人脸识别平台 MegaFace 的多项评测指标中荣膺榜首,刷新行业纪录。 人脸识别算法 Face CNN 在人脸识别领域,MegaFace 是目前最权威热门的人脸识别评测平台之一,由美国华盛顿大学(University of Washington)发布维护,在百万规模人脸数据下 MegaFace 常规人脸数据样例 MegaFace 跨年龄人脸数据样例,是同一个人在不同年龄时拍摄的照片 腾讯 AI Lab 针对常规人脸识别和跨年龄人脸识别,在网络模型结构、特征学习等方面创新性改进 MegaFace 含两个挑战,Challenge 1(MF1)可使用任何外部不限量的人脸数据来训练参赛算法,如谷歌使用亿级数据,其他团队采用百万级数据,因此较难公平比较算法性能。

    631120

    动态 | 继LFW之后,腾讯优图又在难度更大的人脸识别库MegaFace中获得全球第一

    AI科技评论按:近日,腾讯优图实验室在国际知名人脸识别数据库MegaFace中,以83.290%的成绩在100万级别人脸识别测试(Challenge1/FaceScrub identification) MegaFace是由美国华盛顿大学计算机科学与工程实验室发布并维护的一套公开人脸数据集,资料集包含一百万张图片,代表690000个独特的人。 而在上个月,腾讯优图实验室也在无限制条件下人脸验证测试(unrestricted labeled outside data)中提交的最新成绩为99.80%,再次刷新了人脸识别的准确率世界纪录。 MegaFace是第一个在一百万规模级别的面部识别算法测试基准,与LFW数据库侧重于对比两张人脸照片是否具有相同身份不同,MegaFace以海量人脸注册情况下的识别率为重要指标,难度更大。 集成多个数百层深的深度学习模型后,优图最终在MegaFace取得100万级人脸识别准确率83.290%的好成绩。

    58340

    腾讯AI Lab两大算法刷新人脸识别与检测纪录,秉承「基础研究+落地应用」之路

    AI 科技评论按:12 月 18 日,腾讯 AI Lab 宣布,其研发的人脸算法 Face R-FCN 和 Face CNN 分别在人脸检测平台 WIDER FACE 与人脸识别平台 MegaFace WIDER FACE 验证集结果与测试集结果 via:mmlab.ie.cuhk.edu.hk Face CNN 在 MegaFace MF2 拿下「大满贯」 「针对 Face CNN,腾讯 Face CNN 的技术实力在人脸识别评测平台 MegaFace 的 Challenge 2(MF2)上得到了验证。 MegaFace 是由美国华盛顿大学计算机科学与工程实验室发布并维护的一套公开人脸数据集,资料集包含一百万张图片,包含 690,000 个人脸MegaFace 包括两个不同的 Challenge,Challenge 1(MF1)与 Challenge 2(MF2)。

    46790

    FaceX-Zoo | 使用PyTorch Toolbox进行人脸识别(附源代码)

    其中,常用的测试主要基于LFW和MegaFace。将这些协议与简单的使用和清晰的指令集成到FaceX-Zoo中,人们可以通过简单的配置在单个或多个基准测试上轻松地测试他们的模型。 值得注意的是,还提供了一个基于MegaFace的蒙面人脸识别基准。 MegaFace: It contains 80 probe identities with 1 million gallery distractors, aiming at evaluating large We report the Rank-K identification accuracy on MegaFace. MegaFace-Mask: It contains the same probe identities and gallery distractors with MegaFace, while each

    66830

    Gartner发布2016政府十大关键技术 | MegaFace人脸识别大赛中国企业表现抢眼

    来源: forbes 2 MegaFace人脸识别大赛,中国企业表现抢眼 7月1日,MegaFace计算机人脸识别挑战赛在华盛顿大学举行。

    53760

    腾讯 AI Lab 计算机视觉中心人脸 & OCR 团队近期成果介绍 ( 2 )

    近期,我们团队在人脸识别的关键任务上也取得突破,在人脸识别的国际权威评测平台(Megaface Challenge)中取得了国际领先的成果。 1.1 人脸识别 人脸识别的国际权威评测平台Megaface是由美国华盛顿大学(University of Washington)发布并维护的一个著名的人脸评测平台。 Megaface一共有两个Challenge:Challenge 1可以使用任何外部的人脸数据来训练参赛模型,而Challenge 2严格限定使用官方提供的训练集来训练模型,因此Challenge 2上的评测结果更能体现参赛的人脸算法的性能 Megaface Challenge 2的常规识别测试集的识别准确率结果对比 表2. Megaface Challenge 2的常规识别测试集的验证准确率结果对比 表3. Megaface Challenge 2的跨年龄测试集的验证准确率结果对比 1.2 人脸检测 人脸检测是人脸识别的前提和基础,在做人脸识别之前,需要先做人脸检测以检测出目标人脸的存在和精准位置信息。

    2.3K30

    CVPR 2018 | 腾讯AI Lab提出新型损失函数LMCL:可显著增强人脸识别模型的判别能力

    作者在最权威的人脸公开测试集上进行了实验评估,这些测试集包括 MegaFace Challenge、YouTube Faces (YTF) 和 Labeled Face in the Wild (LFW 人脸识别是最常见的计算机视觉任务之一,通常包含两个子任务:人脸验证和人脸辨识;其中人脸验证是比较两张人脸以确定它们是否来自同一主体,而人脸辨识是根据人脸图库识别人的身份。 在 LFW、YTF 和 Megaface 等流行的人脸数据库上,我们提出的方法在大多数基准上都优于之前的最佳表现。 我们提出的方法 在本章节中,我们将首先详细介绍我们提出的 LMCL。 表 4:在 Megaface Challenge 1 (MF1) 上的人脸辨识和人脸验证评估。 ? 表 5:在 Megaface Challenge 2 (MF2) 上的人脸辨识和人脸验证评估。 为了测试我们的方法,我们在 MegaFace Challenge、YouTube Faces (YTF) 和 Labeled Face in the Wild (LFW) 等最流行的公开域人脸识别数据集上进行了大量实验评估

    841100

    论文推荐 | 商汤 ECCV 2018 精选论文:人脸识别的瓶颈在于数据集噪声

    商汤 ECCV 2018 精选论文:人脸识别的瓶颈在于数据集噪声 Wang Fei /Chen Liren /Li Cheng /Huang Shiyao /Chen Yanjie /Qian Chen /Loy Chen Change 推荐原因 ---- 本文对于人脸识别领域作出以下贡献:(1)清理出了现有大规模人脸数据集(包括MegaFace和MS-Celeb-1M)的干净子集,并提出了一个新的无噪声人脸数据集 IMDb_Face;(2)利用原始数据集以及清理后的干净子集,对MegaFace和MS-Celeb-1M数据集中的噪声特性和来源做了全面的分析,发现干净子集对于提高人脸识别精度效果显著;(3)本文提出了一种用于数据清理的标注流程 make the following contributions: 1) We contribute cleaned subsets of popular face databases, i.e., MegaFace 2) With the original datasets and cleaned subsets, we profile and analyze label noise properties of MegaFace

    90230

    判别特征的学习方法用于人脸识别(文末源码)

    今天我来给大家讲讲人脸识别的一些小事,希望您能有些收获,谢谢! 主要内容 卷积神经网络(CNN)已广泛地用于计算机视觉领域,显著地提高了先进的方法。 提出的CNNs(联合监督)在一些重要的人脸基准数据集中(LFW,YTF和MegaFace)都可以获得很好的结果。 贡 献 提出一个中心损失函数去最小化同类深度特征之间的距离。 做了广泛的实验,在基准数据集LFW,YTF和MegaFace上进行实验(其中MegaFace是最大的公共领域人脸数据库,有100万人脸去识别)。 不同方法的识别率在MegaFace数据集 ? 总 结 新技术提出一种新的损失函数,称为中心损失。 通过结合中心损失和Softmax损失去联合监督CNNs的学习,深度学习特征的判别力可以被很大的增强用于鲁棒的人脸识别。大量的实验在一些大规模的人脸基准进行,并证明了所提方法的有效性。

    37020

    【干货】深度人脸识别的 Caffe 实现(附模型开源地址及论文下载)

    令人鼓舞的是,我们这种联合监视的CNN在几个重要人脸识别基准上取得了最高的准确率,包括Labeled Faces inthe Wild (LFW),YouTube Faces (YTF),和MegaFace 尤其是,我们的新方法在小型训练集(少于500000幅图像、少于20000个人)协议下的MegaFace(最大的公共领域基准)上得到了最好结果,相比以前的结果有显著的提高,这为人脸识别和人脸验证任务带来新的发展 图:人脸识别任务中使用的CNN架构(来自论文,下同) 用LFW和YTF数据集实验 LFW和YTF中的部分人脸图像,绿色框是同个人,红色反之,白色框的人脸用于测试: ? 实验结果 ? 用MegaFaceChallenge数据集实验 MegaFace中的人脸图像样本: ? 我们对使用不同方法的模型进行了人脸识别和人脸验证实验,结果如下: ? 人脸识别任务中不同模型的正确率 ? 下载人脸数据集,e.g. CAISA-WebFace,VGG-Face, MS-Celeb-1M, MegaFace. 3. 预处理训练人脸图像,包括检测、对齐等。

    1.5K100

    扫码关注腾讯云开发者

    领取腾讯云代金券