Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >混元大模型,API免费发放,又一个王炸级更新!

混元大模型,API免费发放,又一个王炸级更新!

原创
作者头像
不惑
修改于 2024-05-08 01:03:27
修改于 2024-05-08 01:03:27
1.8K08
代码可运行
举报
文章被收录于专栏:GoboyGoboy
运行总次数:8
代码可运行

混元大模型,又一个王炸级更新!API免费发放啦,快来薅羊毛~~~

你给它一个机会,它还你一个奇迹。ـــــــــــــــﮩ٨ـ❤️️

引言

混元大模型(英文名:HunYuan)是由腾讯开发的大型语言模型,它可以进行丰富的语义理解和计算,为用户提供问答式的服务。基于大量的训练数据和先进的深度学习技术,混元大模型能够处理各种类型的问题和任务,涵盖知识问答、建议、解决问题等多个方面。

作为一个AI助手混元大模型具有以下特点:

  • 🗺️ 语义理解能力:能够准确理解用户输入的文本,捕捉其中的含义和上下文信息。
  • 🗺️ 计算能力:具备较强的知识推理和逻辑计算能力,可以解决数学题、编程问题等。
  • 🗺️ 多样性:可以应对各种领域的问题,包括科学、历史、文化、娱乐等。
  • 🗺️ 自适应性:根据用户的需求和问题,灵活调整回答和建议。
  • 🗺️ 用户友好:以自然语言的形式与用户进行交流,易于使用和理解。

免费发放

✈️ 「混元大模型」给大家发福利了,这次是 免费发放 API 额度 !!!

免费额度

产品名

免费额度

hunyuan-pro

开通腾讯混元大模型服务即获赠累计10万 token 的免费调用额度,有效期12个月;以资源包的形式发放到您的腾讯云账号中,优先扣除。

hunyuan-standard

hunyuan-lite

hunyuan-embedding

开通腾讯混元大模型服务即获赠累计100万 token 的免费调用额度,有效期12个月;以资源包的形式发放到您的腾讯云账号中,优先扣除。

混元大模型API

腾讯混元大模型API具有极高的价值,它为开发者提供了强大的功能和支持。无论是在IDE还是命令行环境中,开发者都可以轻松集成和使用这款API。对于那些希望借助「混元大模型API」打造自己AI产品的小伙伴来说,这无疑是一个巨大的福音。

相较于ChatGPT等其他大型语言模型,腾讯混元大模型API具有以下优势:

  1. 🏕️ 无需担心环境问题:由于腾讯混元大模型API在国内提供服务,开发者无需担心复杂的网络环境和延迟问题,可以更专注于产品和功能的开发。
  2. 🏕️ 稳定的服务支持腾讯作为国内领先的互联网企业,拥有强大的技术实力和服务保障。使用腾讯混元大模型API,开发者可以获得稳定、高效的服务支持,确保产品的正常运行。
  3. 🏕️ 丰富的应用场景:腾讯混元大模型API适用于各种场景,如智能客服、智能助手、内容生成、推荐系统等。开发者可以根据自己的需求,灵活地选择和调整API的功能和参数,以满足不同场景下的需求。
  4. 🏕️ 易于集成:腾讯混元大模型API提供了简洁易用的接口和文档,帮助开发者快速上手并集成到自己的产品中。同时,API还提供了丰富的示例代码和教程,让开发者能够更快地掌握API的使用方法和技巧。

🐚🌊☀️ 总之,你给它一个机会,它还你一个奇迹。腾讯混元大模型API为开发者提供了一个强大、稳定、易用的AI能力平台。无论是想在IDE还是命令行中使用,都能轻松实现。对于想要通过集成「混元大模型API」完成自己AI产品的小伙伴来说,这无疑是一个不容错过的机会。

🌴🍹🍉⛱️🥥 资源可谓是嘎嘎够用~

相对于 其他厂商 的 API 预付费充值机制,腾讯混元大模型 这波操作必须点赞👍,绝对良心!!!

快速领取

💞 PC 端可以直接访问

💞 https://console.cloud.tencent.com/hunyuan/start

💞 创建秘钥

进入API密钥管理界面,点击新建密钥,即可生成API/SDK调用所需的签名APPID、SecretId与SecretKey信息。

💞 选择接入方式

通过API接入 查看文档

💞 快速调试

API Explorer 提供了在线调用、签名验证、SDK代码生成和快速检索接口等能力。可查看每次调用的请求内容和返回结果以及自动生成SDK调用示例。

API 调用示例

JavaPython等...编程语言,应有尽有,只有你想不到,没有混元做不到。

🐆 Java 示例

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
package com.tencent;
import com.tencentcloudapi.common.SSEResponseModel;
import com.tencentcloudapi.common.AbstractModel;

import com.tencentcloudapi.common.Credential;
import com.tencentcloudapi.common.profile.ClientProfile;
import com.tencentcloudapi.common.profile.HttpProfile;
import com.tencentcloudapi.common.exception.TencentCloudSDKException;
import com.tencentcloudapi.hunyuan.v20230901.HunyuanClient;
import com.tencentcloudapi.hunyuan.v20230901.models.*;

public class Sample
{
    public static void main(String [] args) {
        try{
            // 实例化一个认证对象,入参需要传入腾讯云账户 SecretId 和 SecretKey,此处还需注意密钥对的保密
            // 代码泄露可能会导致 SecretId 和 SecretKey 泄露,并威胁账号下所有资源的安全性。以下代码示例仅供参考,建议采用更安全的方式来使用密钥,请参见:https://cloud.tencent.com/document/product/1278/85305
            // 密钥可前往官网控制台 https://console.cloud.tencent.com/cam/capi 进行获取
            Credential cred = new Credential("SecretId", "SecretKey");
            // 实例化一个http选项,可选的,没有特殊需求可以跳过
            HttpProfile httpProfile = new HttpProfile();
            httpProfile.setEndpoint("hunyuan.tencentcloudapi.com");
            // 实例化一个client选项,可选的,没有特殊需求可以跳过
            ClientProfile clientProfile = new ClientProfile();
            clientProfile.setHttpProfile(httpProfile);
            // 实例化要请求产品的client对象,clientProfile是可选的
            HunyuanClient client = new HunyuanClient(cred, "", clientProfile);
            // 实例化一个请求对象,每个接口都会对应一个request对象
            ChatCompletionsRequest req = new ChatCompletionsRequest();
            req.setModel("hunyuan-pro");

            Message[] messages1 = new Message[1];
            Message message1 = new Message();
            message1.setRole("user");
            message1.setContent("你好啊,混元大模型!");
            messages1[0] = message1;

            req.setMessages(messages1);

            // 返回的resp是一个ChatCompletionsResponse的实例,与请求对象对应
            ChatCompletionsResponse resp = client.ChatCompletions(req);
            // 输出json格式的字符串回包
            if (resp.isStream()) { // 流式响应
                for (SSEResponseModel.SSE e : resp) {
                    System.out.println(e.Data);
                }
            } else { // 非流式响应
                System.out.println(AbstractModel.toJsonString(resp));
            }
        } catch (TencentCloudSDKException e) {
            System.out.println(e.toString());
        }
    }
}

🐆 Python 示例

代码语言:python
代码运行次数:8
运行
AI代码解释
复制
import json
import types
from tencentcloud.common import credential
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
from tencentcloud.common.exception.tencent_cloud_sdk_exception import TencentCloudSDKException
from tencentcloud.hunyuan.v20230901 import hunyuan_client, models
try:
    # 实例化一个认证对象,入参需要传入腾讯云账户 SecretId 和 SecretKey,此处还需注意密钥对的保密
    # 代码泄露可能会导致 SecretId 和 SecretKey 泄露,并威胁账号下所有资源的安全性。以下代码示例仅供参考,建议采用更安全的方式来使用密钥,请参见:https://cloud.tencent.com/document/product/1278/85305
    # 密钥可前往官网控制台 https://console.cloud.tencent.com/cam/capi 进行获取
    cred = credential.Credential("SecretId", "SecretKey")
    # 实例化一个http选项,可选的,没有特殊需求可以跳过
    httpProfile = HttpProfile()
    httpProfile.endpoint = "hunyuan.tencentcloudapi.com"

    # 实例化一个client选项,可选的,没有特殊需求可以跳过
    clientProfile = ClientProfile()
    clientProfile.httpProfile = httpProfile
    # 实例化要请求产品的client对象,clientProfile是可选的
    client = hunyuan_client.HunyuanClient(cred, "", clientProfile)

    # 实例化一个请求对象,每个接口都会对应一个request对象
    req = models.ChatCompletionsRequest()
    params = {
        "Model": "hunyuan-pro",
        "Messages": [
            {
                "Role": "user",
                "Content": "你好啊,混元大模型!"
            }
        ]
    }
    req.from_json_string(json.dumps(params))

    # 返回的resp是一个ChatCompletionsResponse的实例,与请求对象对应
    resp = client.ChatCompletions(req)
    # 输出json格式的字符串回包
    if isinstance(resp, types.GeneratorType):  # 流式响应
        for event in resp:
            print(event)
    else:  # 非流式响应
        print(resp)


except TencentCloudSDKException as err:
    print(err)

🐆 SDK 集成

可下载各种开发语言的SDK

创建聊天小助手

🤘 为了实现可持续聊天的模式,我们需要在每次发送消息时保留上下文信息。

我们添加了一个Scanner对象来接收用户输入。在while循环中,我们不断读取用户输入的消息,并将其发送给混元大模型。每次发送消息时,我们都会创建一个新的ChatCompletionsRequest对象,并将用户输入的消息设置为messages属性。这样,混元大模型可以根据上下文信息进行回答。

代码语言:java
AI代码解释
复制
package com.tencent;
import com.tencentcloudapi.common.SSEResponseModel;
import com.tencentcloudapi.common.AbstractModel;

import com.tencentcloudapi.common.Credential;
import com.tencentcloudapi.common.profile.ClientProfile;
import com.tencentcloudapi.common.profile.HttpProfile;
import com.tencentcloudapi.common.exception.TencentCloudSDKException;
import com.tencentcloudapi.hunyuan.v20230901.HunyuanClient;
import com.tencentcloudapi.hunyuan.v20230901.models.*;

import java.util.Scanner;

public class Sample
{
    public static void main(String [] args) {
        try{
            // 实例化一个认证对象,入参需要传入腾讯云账户 SecretId 和 SecretKey,此处还需注意密钥对的保密
            // 代码泄露可能会导致 SecretId 和 SecretKey 泄露,并威胁账号下所有资源的安全性。以下代码示例仅供参考,建议采用更安全的方式来使用密钥,请参见:https://cloud.tencent.com/document/product/1278/85305
            // 密钥可前往官网控制台 https://console.cloud.tencent.com/cam/capi 进行获取
            Credential cred = new Credential("SecretId", "SecretKey");
            // 实例化一个http选项,可选的,没有特殊需求可以跳过
            HttpProfile httpProfile = new HttpProfile();
            httpProfile.setEndpoint("hunyuan.tencentcloudapi.com");
            // 实例化一个client选项,可选的,没有特殊需求可以跳过
            ClientProfile clientProfile = new ClientProfile();
            clientProfile.setHttpProfile(httpProfile);
            // 实例化要请求产品的client对象,clientProfile是可选的
            HunyuanClient client = new HunyuanClient(cred, "", clientProfile);

            Scanner scanner = new Scanner(System.in);
            System.out.println("请输入你的问题:");

            while (scanner.hasNextLine()) {
                String input = scanner.nextLine();

                // 实例化一个请求对象,每个接口都会对应一个request对象
                ChatCompletionsRequest req = new ChatCompletionsRequest();
                req.setModel("hunyuan-pro");

                Message[] messages1 = new Message[1];
                Message message1 = new Message();
                message1.setRole("user");
                message1.setContent(input);
                messages1[0] = message1;

                req.setMessages(messages1);

                // 返回的resp是一个ChatCompletionsResponse的实例,与请求对象对应
                ChatCompletionsResponse resp = client.ChatCompletions(req);
                // 输出json格式的字符串回包
                if (resp.isStream()) { // 流式响应
                    for (SSEResponseModel.SSE e : resp) {
                        System.out.println(e.Data);
                    }
                } else { // 非流式响应
                    System.out.println(AbstractModel.toJsonString(resp));
                }

                System.out.println("请输入你的问题:");
            }

            scanner.close();
        } catch (TencentCloudSDKException e) {
            System.out.println(e.toString());
        }
    }
}

请注意 ✋🏻🛑⛔️

请注意 ✋🏻🛑⛔️

请注意 ✋🏻🛑⛔️

为了保护腾讯云账户的安全,请不要将SecretId和SecretKey直接写入代码中。建议使用更安全的方式来管理密钥,例如使用环境变量或配置文件。在实际应用中,请根据需要调整代码和参数。

⛱️ 运行代码

⛱️ 对话如下

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
请输入你的问题:你好啊
{
    "Created": 1715069606,
    "Usage": {
        "PromptTokens": 2,
        "CompletionTokens": 29,
        "TotalTokens": 31
    },
    "Note": "以上内容为AI生成,不代表开发者立场,请勿删除或修改本标记",
    "Id": "3ffdae67-e587-48be-be5f-3d6e577a4ef7",
    "Choices": [
        {
            "FinishReason": "stop",
            "Message": {
                "Role": "assistant",
                "Content": "你好!很高兴和你交流。请问有什么我可以帮助你的吗?无论是关于日常生活、工作学习还是其他方面的问题,我都会尽力为你提供帮助。"
            }
        }
    ],
    "RequestId": "3ffdae67-e587-48be-be5f-3d6e577a4ef7"
}
请输入你的问题:很高兴认识你
{
    "Created": 1715069616,
    "Usage": {
        "PromptTokens": 3,
        "CompletionTokens": 45,
        "TotalTokens": 48
    },
    "Note": "以上内容为AI生成,不代表开发者立场,请勿删除或修改本标记",
    "Id": "de0213b7-cf99-4d05-bed5-0135c1fb46d3",
    "Choices": [
        {
            "FinishReason": "stop",
            "Message": {
                "Role": "assistant",
                "Content": "我也很高兴认识你!有什么我可以帮助你的吗?请随时告诉我你的需求或问题,我会尽力为你提供解答和建议。如果你对某个主题感兴趣,我们也可以一起探讨和学习。祝你度过愉快的一天!"
            }
        }
    ],
    "RequestId": "de0213b7-cf99-4d05-bed5-0135c1fb46d3"
}
请输入你的问题:你叫什么名字啊
{
    "Created": 1715069629,
    "Usage": {
        "PromptTokens": 4,
        "CompletionTokens": 56,
        "TotalTokens": 60
    },
    "Note": "以上内容为AI生成,不代表开发者立场,请勿删除或修改本标记",
    "Id": "b2f0651d-b03a-4bda-81e5-3326fd0e89f8",
    "Choices": [
        {
            "FinishReason": "stop",
            "Message": {
                "Role": "assistant",
                "Content": "我叫混元助手(英文名:HunYuan)。我是由腾讯开发的AI助手,具有强大的语言理解、计算、编程以及绘画能力,可以提供多种形式的服务,包括但不限于解答问题、提供建议等。欢迎您向我提问任何问题,我会尽我最大可能为您提供帮助。"
            }
        }
    ],
    "RequestId": "b2f0651d-b03a-4bda-81e5-3326fd0e89f8"
}
请输入你的问题:

写在最后

💗💗💗 混元大模型作为一款先进的大型语言模型,对多个行业和未来发展趋势产生了深远的影响。大模型致力于使更多的人能够接触和利用人工智能技术,通过提供易于使用的大型语言模型,降低技术应用的门槛,从而加速AI技术的普及和应用。同时,大模型不仅是一款先进的技术产品,也是推动科技进步和社会发展的重要力量。它的意义在于推动人工智能技术的普及与发展,促进经济社会的智能化转型,并在全球范围内展现中国的科技创新能力。

🍆🍑😩👉👌💦 留个buffer:都已经聊的这里了,作为一名经验老道的开发者,做一个属于自己的问答小Bot应该不是很困难的事情吧,我们下期再见~

我正在参与2024腾讯技术创作特训营最新征文,快来和我瓜分大奖!

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
基于Pytorch实现人脸关键点检测模型MTCNN
MTCNN,Multi-task convolutional neural network(多任务卷积神经网络),将人脸区域检测与人脸关键点检测放在了一起,总体可分为P-Net、R-Net、和O-Net三层网络结构。它是2016年中国科学院深圳研究院提出的用于人脸检测任务的多任务神经网络模型,该模型主要采用了三个级联的网络,采用候选框加分类器的思想,进行快速高效的人脸检测。这三个级联的网络分别是快速生成候选窗口的P-Net、进行高精度候选窗口过滤选择的R-Net和生成最终边界框与人脸关键点的O-Net。和很多处理图像问题的卷积神经网络模型,该模型也用到了图像金字塔、边框回归、非最大值抑制等技术。
夜雨飘零
2021/12/07
2K0
基于Pytorch实现人脸关键点检测模型MTCNN
MTCNN算法与代码理解—人脸检测和人脸对齐联合学习
主页:https://kpzhang93.github.io/MTCNN_face_detection_alignment/index.html 论文:https://arxiv.org/abs/1604.02878 代码:官方matlab版、C++ caffe版 第三方训练代码:tensorflow、mxnet
李拜六不开鑫
2018/12/26
2.3K0
基于 Mtcnn(人脸检测)+Hopenet(姿态检测)+Laplacian(模糊度检测) 的人脸检测服务
「 对每个人而言,真正的职责只有一个:找到自我。然后在心中坚守其一生,全心全意,永不停息。所有其它的路都是不完整的,是人的逃避方式,是对大众理想的懦弱回归,是随波逐流,是对内心的恐惧 ——赫尔曼·黑塞《德米安》」
山河已无恙
2023/10/22
5170
基于 Mtcnn(人脸检测)+Hopenet(姿态检测)+Laplacian(模糊度检测) 的人脸检测服务
基于 Mtcnn(人脸检测)+Hopenet(姿态检测)+拉普拉斯算子(模糊度检测) 的人脸检测服务
对每个人而言,真正的职责只有一个:找到自我。然后在心中坚守其一生,全心全意,永不停息。所有其它的路都是不完整的,是人的逃避方式,是对大众理想的懦弱回归,是随波逐流,是对内心的恐惧 ——赫尔曼·黑塞《德米安》
山河已无恙
2023/10/16
5540
基于 Mtcnn(人脸检测)+Hopenet(姿态检测)+拉普拉斯算子(模糊度检测) 的人脸检测服务
【人脸检测】Compact Cascade CNN和MTCNN算法
【文章导读】目前人脸识别技术已经遍地开花,火车站、机场、会议签到等等领域都有应用,人脸识别的过程中有个重要的环节叫做人脸检测,顾名思义就是在一张图片中找出所有的人脸的位置,早期的人脸检测是用人工提取特征的方式,训练分类器,比如opencv中自带的人脸检测器使用了haar特征,早期的这种算法自然是鲁棒性、抗干扰性太差,本文主要来介绍近几年的几种用卷积神经网络做的经典算法。
张俊怡
2018/09/19
1.9K0
【人脸检测】Compact Cascade CNN和MTCNN算法
人脸检测和对齐算法MTCNN
人脸识别在实际的生活中有着广泛的应用,得益于深度学习的发展,使得人脸识别的准确率得到大幅度提升。然而,为了做好人脸识别,第一步需要做的是对人脸检测,主要是通过对图片分析,定位出图片中的人脸。近年来,深度学习在人脸检测方面也得到了大力发展,在2016年Kaipeng Zhang, Zhanpeng Zhang等人提出了人脸检测算法MTCNN(Multi-task Cascaded Convolutional Networks)模型[1],MTCNN算法的效果也是得到了很多实际项目的验证,在工业界得到了广泛的应用,在我个人的实际项目中也得到了较多应用。在MTCNN算法中,主要有三点的创新:
felixzhao
2022/12/31
3.5K0
人脸检测和对齐算法MTCNN
人脸检测对齐--Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
用户1148525
2018/01/03
1.3K0
人脸检测对齐--Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
『人脸识别系列教程』0·MTCNN讲解
背景介绍: 人脸检测,解决两个问题:1)识别图片中有没有人脸?2)如果有,人脸在哪?因此,许多人脸应用(人脸识别、面向分析)的基础是人脸检测。 大多数人脸检测采用的流程为两阶段: 1) 找出所有可能是人脸的候选区域 2) 从候选区域中选择出最可能是人脸的区域 本文的主角MTCNN,大致是这种套路,也集成了其优缺点为:准和慢。 MTCNN人脸检测是2016年的论文提出来的,MTCNN的“MT”是指多任务学习(Multi-Task),在同一个任务中同时学习”识别人脸“、”边框回归“、”人脸关键点识别“。相比2015年的CVPR(边框调整和识别人脸分开做)的结构,MTCNN是有创新的。 从工程实践上,MTCNN是一种检测速度和准确率都还不错的算法,算法的推断流程有一定的启发性,在这里给大家分享。(以下用“MTCNN”代指这个算法)本文以Q&A的方式,与你分享一些经验和思考。先列出本文会回答的问题列表:
小宋是呢
2022/03/07
1.7K0
『人脸识别系列教程』0·MTCNN讲解
[深度学习概念]·人脸识别MTCNN解析
人脸识别MTCNN解析 源代码,效果相当不错(只有测试代码): https://kpzhang93.github.io/MTCNN_face_detection_alignment/index.ht
小宋是呢
2019/06/27
1.5K0
[深度学习概念]·人脸识别MTCNN解析
人脸检测和对齐算法MTCNN
人脸识别在实际的生活中有着广泛的应用,得益于深度学习的发展,使得人脸识别的准确率得到大幅度提升。然而,为了做好人脸识别,第一步需要做的是对人脸检测,主要是通过对图片分析,定位出图片中的人脸。近年来,深度学习在人脸检测方面也得到了大力发展,在2016年Kaipeng Zhang, Zhanpeng Zhang等人提出了人脸检测算法MTCNN(Multi-task Cascaded Convolutional Networks)模型[1],MTCNN算法的效果也是得到了很多实际项目的验证,在工业界得到了广泛的应用,在我个人的实际项目中也得到了较多应用。在MTCNN算法中,主要有三点的创新:
felixzhao
2022/12/23
1.3K0
人脸识别系列三 | MTCNN算法详解上篇
我们前面分享了PCA,Fisher Face,LBPH三种传统的人脸识别算法,Dlib人脸检测算法。今天我们开始分享一下MTCNN算法,这个算法可以将人脸检测和特征点检测结合起来,并且MTCNN的级联结构对现代的人脸识别也产生了很大的影响。上篇为大家介绍MTCNN的算法原理和训练技巧,下篇为大家解析MTCNN算法的代码和进行demo演示。论文地址为:https://arxiv.org/ftp/arxiv/papers/1604/1604.02878.pdf
BBuf
2019/12/04
5.2K0
人脸识别系列三 | MTCNN算法详解上篇
人脸检测
算法:人脸检测是将人脸区域检测与人脸关键点检测放在了一起,它的主题框架类似于cascade。总体可分为P-Net、R-Net、和O-Net三层网络结构。
裴来凡
2022/05/29
2.6K0
人脸检测
手把手教学,人脸检测小案例 opencv+MTCNN
哈喽,大家好,今天我们一起来做一个人脸检测的小应用案例,看看现在满大街普及的人脸检测到底是个什么玩意儿。其实,这个技术没那么唬人,现在技术已经非常成熟啦。小白同学可以跟着我一步一步操作,就能够实现。
唐国梁Tommy
2021/05/08
1.9K0
手把手教学,人脸检测小案例 opencv+MTCNN
干货 | MTCNN实时人脸检测网络详解与代码演示
多任务卷积神经网络(MTCNN)实现人脸检测与对齐是在一个网络里实现了人脸检测与五点标定的模型,主要是通过CNN模型级联实现了多任务学习网络。整个模型分为三个阶段,第一阶段通过一个浅层的CNN网络快速产生一系列的候选窗口;第二阶段通过一个能力更强的CNN网络过滤掉绝大部分非人脸候选窗口;第三阶段通过一个能力更加强的网络找到人脸上面的五个标记点;完整的MTCNN模型级联如下:
OpenCV学堂
2018/12/17
2.5K0
【深度学习】人脸检测与人脸识别
人脸是个人重要的生物特征,业界很早就对人脸图像处理技术进行了研究。人脸图像处理包括人脸检测、人脸识别、人脸检索等。人脸检测是在输入图像中检测人脸的位置、大小;人脸识别是对人脸图像身份进行确认,人脸识别通常会先对人脸进行检测定位,再进行识别;人脸检索是根据输入的人脸图像,从图像库或视频库中检索包含该人脸的其它图像或视频。
杨丝儿
2022/03/20
11.6K0
【深度学习】人脸检测与人脸识别
深度学习之视频人脸识别系列二:人脸检测与对齐
人脸检测解决的问题为给定一张图片,输出图片中人脸的位置,即使用方框框住人脸,输出方框的左上角坐标和右下角坐标或者左上角坐标和长宽。算法难点包括:人脸大小差异、人脸遮挡、图片模糊、角度与姿态差异、表情差异等。而关键检测则是输出人脸关键点的坐标,如左眼(x1,y1)、右眼(x2,y2)、鼻子(x3,y3)、嘴巴左上角(x4,y4)、嘴巴右上角(x5,y5)等。
磐创AI
2018/08/20
2.3K0
深度学习之视频人脸识别系列二:人脸检测与对齐
人脸检测算法综述
人脸检测是目前所有目标检测子方向中被研究的最充分的问题之一,它在安防监控,人证比对,人机交互,社交和娱乐等方面有很强的应用价值,也是整个人脸识别算法的第一步。在本文中,SIGAI将和大家一起回顾人脸检测算法的整个发展历史。
SIGAI学习与实践平台
2018/08/07
3.4K0
人脸检测算法综述
深度学习在人脸检测中的应用 | CSDN 博文精选
在目标检测领域,可以划分为人脸检测与通用目标检测,往往人脸这方面会有专门的算法(包括人脸检测、人脸识别、人脸其他属性的识别等),并且和通用目标检测(识别)会有一定的差别。这主要来源于人脸的特殊性(譬如有时候目标比较小、人脸之间特征不明显、遮挡问题等),本文将主要从人脸检测方面来讲解目标检测。
AI科技大本营
2019/07/11
1.2K0
深度学习在人脸检测中的应用 | CSDN 博文精选
从传统方法到深度学习,人脸关键点检测方法综述
人脸关键点检测是人脸识别和分析领域中的关键一步,它是诸如自动人脸识别、表情分析、三维人脸重建及三维动画等其它人脸相关问题的前提和突破口。近些年来,深度学习方法由于其自动学习及持续学习能力,已被成功应用到了图像识别与分析、语音识别和自然语言处理等很多领域,且在这些方面都带来了很显著的改善。因此,本文针对深度学习方法进行了人脸关键点检测的研究。 关键词:人脸关键点;人脸特征点;人脸对齐;卷积神经网络 目录 一、引言 二、人脸关键点检测方法 2.1 ASM (Active Shape Models) 2.2 AA
企鹅号小编
2018/02/24
2.9K0
从传统方法到深度学习,人脸关键点检测方法综述
人脸算法系列(二):RetinaFace论文精读
大家好,今天给大家分享一篇人脸算法领域非常知名的paper,RetinaFace(RetinaFace: Single-stage Dense Face Localisation in the Wild)。同时也在文末附上开源项目的链接。 跟着我一起读这篇论文,希望论文的思路能够对你有所启发,如果觉得有用的,帮我分享出去,谢啦!
AI算法与图像处理
2020/04/15
8.3K0
推荐阅读
相关推荐
基于Pytorch实现人脸关键点检测模型MTCNN
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验