选自GitHub 机器之心编译 参与：panda 深度神经网络模型对计算资源的需求问题一直是相关研究和应用的关注焦点之一。研究者们一直在努力试图将神经网络模型部署到移动设备上，有硬件方法也有软件方法，比如《前沿 | 借助神经网络芯片，将大型人工智能系统塞入移动设备》和《业界 | 谷歌开源高效的移动端视觉识别模型：MobileNet》。在去年的 AAAI 人工智能大会上，香港中文大学的研究者则提出了一种通过压缩模型来实现这一目标的方法 MobileID。近日，研究者开源了这项研究的代码。机器之心对该项目及原论
人脸识别在我们的生活中随处可见，例如在大楼门禁系统中，它取代了传统的门禁卡或密码，提高了进出的便捷性和安全性。在商场安保方面，人脸识别被广泛应用于监控系统，有助于识别和跟踪潜在的犯罪嫌疑人或失踪人员，提升了安全防范的能力。另外，手机解锁也是人脸识别技术的重要应用之一，它为用户提供了一种快捷、便利的身份验证方式，替代了传统的密码或指纹识别。
继神经网络推理框架 ncnn、TNN，动作检测算法 DBG，通用目标检测算法 OSD，人脸检测算法 DSFD、人脸属性算法 FAN等众多优秀的框架、算法开源后，腾讯优图实验室又有一项人脸识别算法研究项目——TFace正式拥抱开源啦！ TFace开源地址： https://github.com/Tencent/TFace 项目背景 TFace是由腾讯优图实验室研发的人脸识别算法研究项目，其中TFace中的T意为“trusty”，表达了团队在可信人脸识别技术方向上的愿景。 人脸识别算法是指在检测到人脸
这是第二次给大家推荐Github项目，上次给大家介绍的是使用核心主义价值观作为编码的编译器：媒体人自保攻略，今天介绍在Github开源的人脸识别项目，目前已经获得2000+的star，以后推荐Github项目会成为一个保留项，自己遇到觉着不错的就跟大家推荐，希望跟大家共同进步。
在如何在小程序中实现文件上传下载文章中，我们介绍了小程序的上传基本使用教程，文末我们留下了一个引子。本文将介绍在小程序端，使用腾讯云云智AI应用服务来进行人脸识别检测分析，实现人脸识别等功能。
本文将介绍在小程序端，使用腾讯云云智AI应用服务来进行人脸识别检测分析，实现人脸识别等功能。
继神经网络推理框架 ncnn、TNN，动作检测算法 DBG，通用目标检测算法 OSD，人脸检测算法 DSFD、人脸属性算法 FAN等众多优秀的框架、算法开源后，腾讯优图实验室又有一项人脸识别算法研究项目——TFace正式拥抱开源啦！
近日，来自中科院计算所的人工智能国家队中科视拓宣布，开源商用级SeetaFace2人脸识别算法。
【新智元导读】本论文对人脸识别和验证任务提出一种新的损失函数，即中心损失。中心损失和softmax损失联合监督学习的CNN，其对深层学习特征的人脸识别能力大大提高。对几个大型人脸基准的实验已经令人信服地证明了该方法的有效性。 相关论文 题目：A Discriminative Feature Learning Approachfor Deep Face Recognition 作者：Yandong Wen, Kaipeng Zhang, Zhifeng Li*, YuQiao 新智元微信公众号回复1015，
https://cloud.tencent.com/act/event/iaidemo
人脸识别是一种能够从图像或视频源的视频帧中实时识别或验证人的技术。本文分享四个开源人脸识别项目，以提高你在数据科学领域的技能。
https://github.com/seetafaceengine/SeetaFace2
人脸识别流程包括人脸检测、人脸对齐、人脸识别等子任务，这里优先总结功能相对齐全的开源项目，再总结完成单个子任务的开源项目。本文主要关注方法较流行且提供源码的开源项目，忽略了仅提供SDK的。
近日，京东AI研究院开源了FaceX-Zoo,一个专为人脸识别而生的开源库，论文 FaceX-Zoo: A PyTorch Toolbox for Face Recognition 详述了其特点，不仅方便比较研究不同的方法，还针对实际应用开发了特定功能（如人脸戴口罩、Shallow Face Learning 等）。非常值得关注！
以上就是完成人脸识别所需的步骤，如果你想在这个基础上，做人脸比对或者身份证校验等拓展功能，可以借助用户的身份证、姓名等信息，再结合第三方的AI服务，比如腾讯云的人脸核身来完成，本质上底层数据支持来自公安的实名认证接口
上个案例中我们讲了如何用PaddlePaddle进行车牌识别的方法，这次的案例中会讲到如何用PaddlePaddl进行人脸识别，在图像识别领域，人脸识别也属于比较常见且成熟的方向了，目前也有很多商业化的工具进行人脸识别。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位或检测、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身
Python是一种计算机编程语言以及配套的软件工具和库。Python简单易学，代码十分简洁，它使用强制空白符作为缩进，这大大提高了Python的开发效率，使用Python能够在更短的时间内完成更多的工作。Python是一门开源的语言，并且Python还有许多强大的开源库，这些库使得Python无论是对云计算、大数据、还是人工智能，都有很强的支持能力。
目前人脸识别开源项目众多，但真正能方便快捷拿来就用、性能指标业界领先的开源库并不多，而最近刚刚开源的face.evoLVe绝对是不容忽视的力量。
安妮 发自 北京柏悦 量子位 出品 | 公众号 QbitAI 有点晚。 作为一家通用计算机视觉识别公司，中科视拓起步确实晚了点。 往前看看，有11年成立的Face++,12年成立的依图，14年成立的商汤。去年8月，当还是中科院人脸识别专业研究员的山世光宣布成立中科视拓的时候，引起了行业内一次轰动。 不到一个月时间，中科视拓就完成了线性资本领投、紫牛基金、明势资本和地平线跟投的数千万融资。 一年后。昨天，山世光在北京柏悦酒店宣布，中科视拓的pre-A轮融资已经完成。这次融资由安赐资本领投、线性资本跟投，又是一
提到人工智能和人脸识别开源技术，相信很多业内的同行对于 InsightFace 应该不陌生，其中的 Arcface 论文被引用超过 2100+，自从 2018 年开源以来，在 GitHub 上的增长也保持着强劲的增长态势。
AnalyticsZoo是由Intel开源，基于Apache Spark、TensorFlow、Keras和BigDL的大数据分析+AI平台，能够帮助用户利用Spark的各种流水线、内置模型、特征操作等，构建基于大数据的深度学习端到端应用。
AI 成为新基建风口模式下的一个重要选题，让人们对于 AI 的热情空前高涨。从一开始的烧钱阶段到今天的确定性发展，AI 一直渗透着人们的生活，从自动驾驶到人脸识别都是如此。其中，人脸识别技术应用较为广泛。
【导读】本文是Stephanie Kim的一篇博文你，作者探讨的是一个老生常谈的话题“人脸识别”，介绍针对人脸识别任务的一个特定的开源库——OpenFace。作者之所以专门介绍该开源库，说明该库必然是
不久前，一则新闻引起巨大震动，三年前弑母案中的嫌疑人吴谢宇在重庆江北机场被抓，有人透露吴谢宇进入机场不到十分钟，警察便找到了他。这场所谓的“完美犯罪”是否完美我们不敢妄下论断，但是带领我们抓捕嫌疑人、走进真相的“天眼系统”，或许并不全是完美。
视觉 AI 作为一个已经发展成熟的技术领域，具有丰富的应用场景和商业化价值，全球 40% 的 AI 企业都集中在视觉 AI 领域。近年来，视觉 AI 除了在智能手机、智能汽车、智慧安防等典型行业中发挥重要作用外，更全面渗入细分的实体行业，催生了如车站人脸实名认证、人脸支付、小区人脸门禁管理、酒店自助人脸实名登记等视觉 AI 的应用。
今年早些时候，苹果联合微软和谷歌发布声明，将扩大对 FIDO 标准的支持，加速推广无密码登录。所谓无密码登录，就是采用生物识别、USB 硬件密钥等方式来替代密码进行网络认证。听起来还是摸不着头脑？其实你很可能每天都在用。举例来说，各种手机 APP 使用的指纹验证登录方式，就属于无密码登录。
近年来，基于深度学习的人脸识别技术取得了重要进展。但是人脸识别模型的实际部署和深入研究都需要相应的公众支持。例如生产级人脸表示网络需要模块化的训练机制，以配合不同 SOTA 骨干网络、训练监督主题再到现实世界人脸识别需求。至于性能分析和比较，基于多个基准的大量模型也需要一个标准和自动化的评估工具。此外，人们希望能够出现一种以整体流水线形式部署的人脸识别公共基础。
TFace是由腾讯优图实验室研发的可信人脸算法研究项目，重点关注人脸识别、人脸安全、人脸质量等技术领域，通过开源自研的方法，方便研究人员快速复现我们的工作。自开源以来，本项目在业界获得了广泛关注，最近TFace发布了新版本，在优化了原有人脸识别模块的同时，新增了人脸安全模块。
据路透社、CNN等多家媒体报道，在本周二的一次投票中，旧金山城市监督委员会（Board of Supervisors） 的官员们以8票对1票的结果通过一项法令，禁止政府机构购买和使用人脸识别技术。此举旨在加强新技术的监管，并消除个人隐私泄露的隐患。
今天跟大家分享一款新晋开源的出自香港中文大学MMLab实验室的人脸识别库，其最大特点是支持人脸多任务训练，方便使用PyTorch进行人脸识别的训练、评估、特征提取。
“在未来30年， 人工智能将取代目前世界上50%的工作。” ——莱斯大学 计算机科学教授 Moshe Vardi 不管未来怎么样，我觉得提高设计师的效率是眼前最容易做到的事情。 设计师打交道最多是图像
这次版本升级，从版本号SeetaFace2 跳过 3 、4、 5直接升级到SeetaFace6，总之就是 666 吧～
昨日，谷歌发表一篇博文称，在能制定出相关政策以阻止面部识别技术被滥用之前，它们将暂不出售采用这种技术的产品。
在一篇关于人脸识别的潜在用途和滥用的博客文章中，微软总裁 Bradford L. Smith 将该技术与受到全面监管的药品和汽车等产品进行了比较，并敦促美国国会展开研究并监督人脸识别技术的使用。
本文介绍了基于Python库Face_Recognition动手DIY人脸识别的详细步骤和代码实现，包括安装和调用库、实现人脸识别、输出结果等步骤。
哪一个人脸识别 API 是最好的？让我们看看亚马逊的 Rekognition、谷歌云 Vision API、IBM 沃森 Visual Recognition 和 微软 Face API。
瑞士Idiap研究所的科学家，用GAN给300多段视频换脸，然后测试了两套先进的人脸识别系统：一个基于VGG，一个基于Facenet。
智能门锁在经过2018年的爆发直至近几年来的持续增长，目前市场上各类的产品基本都涵盖了密码、刷卡、指纹这几项关键的开门方式，人脸识别技术作为一种新的引用技术，成为众多厂家为追求产品差异化而形成的一种趋势。
【新智元导读】计算机视觉领域的创业创新正呈现蓬勃发展之势。基于与高校实验室紧密的合作，商汤走出了一条自主研究核心算法的道路，连续在ImageNet等国际大赛上刷新图像识别准确率新高。他们打造了1207层神经网络，提出被认为是行业标准方案的106个标注点人脸识别。人脸识别准度到达99%后，技术上还有哪些难点？如何看待深度学习的“深度”问题？商业模式和落地方向上，商汤有哪些不一样？新智元专访商汤科技CEO徐立，为你解开疑惑。 人工智能领域的创业浪潮中，计算机视觉技术（CV）可以说是一个较为火热的方向，呈遍地开花
人工智能技术的飞速发展给各行各业都带来了深远的影响，AI已被视为企业提升运营效能、应对市场竞争的必经之路。然而对于一些企业而言，让AI真正实现落地和应用，并且创造价值，仍是一件需要努力的事情。
本文全面介绍了端到端深度学习人脸识别技术，包括人脸检测，人脸预处理和人脸 表征等方向，详细介绍了最新的算法设计，评估指标，数据集，性能比较等。
本文来自旷视研究院，作者：闫东。AI 科技评论获授权转载。如需转载，请联系旷视研究院。
人脸识别是机器学习的直接应用，这项技术已经被消费者、行业和执法机关广泛采用，它可能为我们的日常生活带来了便利，但也有严重的隐私问题。人脸识别已经超过了人类的工作效率，但是，在某些应用中实际实现时还存在问题。 立足于九十年代MIT的Eigenfaces方法，人脸识别第一次成功的大规模实现是2014年Facebook的DeepFace项目，准确性在实验室条件下达到了人类水平。从2014年开始，更大的训练数据集、GPU以及神经网络架构的快速发展进一步提高了人脸识别在通向现实世界可靠应用的更为丰富的上下文中的效率。
在人脸识别应用中，很多场景能够获取某一个体的多幅人脸图像的集合（比如在监控视频中），使用人脸图像集来做识别，这个问题被称为基于模板的人脸识别（template-based face recognition）。
这几年人脸识别技术在国内发展飞速，给生活带了很多便利，这个大家应该都有体会。早几年进高铁站还比较麻烦，要先排长队，得让检票口的工作人员一个一个查看证件然后“啪”地戳章，才能进站。很多人应该都和我一样想过一个问题，那为什么不多设几个口呢？我还专门问了朋友，朋友说都知道排长队体验不太好，不过多开一个口，就要多雇几个人，不但要一直开工资，还要有保险等各类配套的保障类支出，用人成本很高，所以二者只能相互取平衡。
如果要问当下互联网什么最热门？毫无疑问是人工智能。目前，世界上主要发达国家都已经将人工智能作为国家级发展战略。那么，踩在下一个时代的风口浪尖上，普通程序员如何向人工智能靠拢？为此特别推荐10款托管在码云上的人工智能开源软件，希望能够给大家带来一点点帮助和启发。 当然，如果你很喜欢以下提到的项目，别忘了分享给其他人。 1、项目名称：智能家居的架构 项目简介： 智能家居的概念(smart home , home auto)很早以前就有了，现在随着硬件成本的下降，及 google 收购 nest 等，智能家居热度
最近CVPR2020的论文集合在GitHub火了，CVPR2020-Paper- Code 的项目（https://github.com/extreme-assistant/CVPR2020-Paper-Code-Interpretation）已获得超5.2K Star（截至发稿），甚至一度排在趋势榜的前五名位置。
本文主要介绍OpenCV4.5.4中人脸识别模块的使用和简易人脸识别系统的搭建，供大家参考。
在机器学习中，您标注的数据是AI模型的基础，因此选择正确的方式十分重要，建立质检流程，跟进每一个测试环节。随着技术比以往发展地更迅速，人工智能在安全和人脸识别方面的应用愈加普及。当我们使用人脸解锁手机的时候，比如，科技巨头苹果公司通过多轮测试使人脸识别变得准确——正是通过详细的关键点来实现的。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
