人脸识别技术在安防领域得到了广泛的应用，但是传统的人脸识别算法存在着准确率低、受光线、角度、表情等影响的问题。近年来，深度学习技术的发展使得人脸识别算法的准确率得到了大幅度的提高。本文将介绍如何利用深度学习技术提高人脸识别的准确率。
早在去年10月份，我国就已开通全国65家知名景区的人脸识别入园机制。在景区峰值人流压力下，一秒快进的方式拯救了景点“大排长龙”的窘态，全面提升景区安全管理、服务管理水准，为旅行者带去便利。
人脸识别(Face Recognition)是一种依据人的面部特征(如统计或几何特征等)，自动进行身份识别的一种生物识别技术，又称为面像识别、人像识别、相貌识别、面孔识别、面部识别等。通常我们所说的人脸识别是基于光学人脸图像的身份识别与验证的简称。
【新智元导读】被业界称为人脸识别“世界杯”的微软百万名人识别竞赛 MS-Celeb-1M 冠军团队技术分享。Panasonic-NUS 合作团队认为，竞赛最大的难点是如何在有限的时间内高效地对海量数据（百万级别的类别，千万级别的数量）进行收集、清理和训练，其中数据清洗工作至关重要。美国东北大学 SmileLab 实验室团队表示，实际应用中的人脸识别系统，往往需要用到“分治法”的思想，针对不同的情况进行处理，最后进行融合，往往比使用一个单一的系统要有效、准确、鲁棒。 业界公认的人脸识别“世界杯”——微软百万名
觉得看着不过瘾？赶快跟我们一起走进线下，『LiveVideoStack Meet：后直播时代技术』系列沙龙首次走进珠三角，一连两场11位大咖讲师带你探秘音视频底层技术~
作者 | 鸽子，Donna 人脸识别技术又被玩出新高度了。 不是手机开锁，不是进出考勤，而是替代你的身份证！ 这两天，营长的朋友圈开始被一个炸裂新闻刷屏： 12月25日，由由广州市公安局南沙区分局、腾讯、建设银行等10余家单位发起的“微警云联盟”在广州南沙成立。 联盟成员单位共同签署合作框架协议，并且现场签发全国首张微信身份证“网证”。 微信身份证啊，这真是人脸识别玩得最狠的一次了。 图片来源：广州日报 据悉，微信身份证“网证”仍在广东省试点试行，预计2018年1月再推向全国。 （营长说说：以后
雷锋网按：本文内容来自云从科技创始人、中国科学院百人计划周曦博士在硬创公开课的分享。在未改变原意的基础上进行了编辑整理。 明明可以靠脸吃饭”这句话不再只是一个网络段子，随着人脸识别技术的普及，不光可以靠“刷脸”支付吃喝玩乐的花费，现在连银行办业务都可以“刷脸”了。 最近两年，国内各家中小银行和四大行地方分行已经陆续将人脸识别技术用于日常业务，前几日，四大行中的农行更是首先在全国范围应用人脸识别技术。 但是，银行业务光凭“刷脸”真的靠谱吗？本期公开课特意邀请到云从科技创始人、图像识别领域权威周曦博士为大家答疑
近日，江苏卫视《最强大脑》第四季人机大战第三场已经结束。从未失算的“水哥”王昱珩，在图像识别方面与搭载百度大脑的小度机器人进行实力交锋。最终，“小度”以2：0的战绩战胜对手，并以3：1的总战绩，斩获2017年度脑王巅峰对决的晋级资格。 本场竞赛题目为 “核桃计划”：通过三段在夜幕下分别从行车记录仪、高位摄像头和女生手机中拍到的模糊动态影像中，让“小度“和水哥识别三位“嫌疑人”的特征后，从30位性别相同、身高体重年龄均相似的候选人现场拍照中，准确找出三位“嫌疑人”。 比赛虽已结束，但对于相关人工智能识别技术的
作为最特别的生物密码，人脸面临着过度化妆、整容等带来的复杂问题，人脸识别技术是否能正确地做出判断？
来自韩国Kakao公司的研究人员，在论文 GroupFace: Learning Latent Groups and Constructing Group-based Representations for Face Recognition 提出一种新的概念：人脸的组感知表示，通过在网络中学习人脸的隐藏组表示，并与实例级人脸表示结合，实现了更高精度的人脸识别。
机器之心专栏 作者：阅面科技童志军 北京时间 9 月 13 日凌晨 1 点整，大家期待已久的苹果发布会终于拉开序幕。在本次发布会中，最受关注的莫过于高端机型的 iPhoneX。它搭载了集成六核处理器的 A11 芯片，支持无线充电以及 4K/60 帧视频拍摄、1080P/240 帧视频拍摄，同时，FaceID 也是其最大的亮点之一。 与指纹识别不同的是，网络上出现很多对于 FaceID 的质疑和吐槽，「睡觉的时候被女朋友拿去解锁怎么办？」，「看一眼淘购物车就支付」等等。那么事实是否如此呢？新技术的出现总是伴
本文为零基础实现人脸识别的教程，读者不需要人工智能学习背景，不需要机器学习相关基础，只要能读懂简单的Pyhton代码，便可以轻松地在自己的电脑上实现人脸识别（两个文件，加注释共96行）。
人脸识别是近两年计算机视觉领域创业热潮中的一个热门方向，DeepID是这股热潮中不可忽视的一种人脸算法。针对DeepID的研发心得，人脸识别应用的现状、难点与未来，深度学习的实践经验等问题，CSDN记者近日采访了DeepID人脸算法发明者孙祎。 孙祎先后就读于清华大学、中国香港中文大学，2013年在CVPR上发表了用深度学习做面部特征点检测最早的论文。随后陆续发表了四篇在人脸识别领域有影响力的论文（ICCV’13，CVPR’14，NIPS’14，CVPR’15），使深度学习方法的人脸识别准确率远远超过
人脸识别是近两年计算机视觉领域创业热潮中的一个热门方向，DeepID是这股热潮中不可忽视的一种人脸算法。针对DeepID的研发心得，人脸识别应用的现状、难点与未来，深度学习的实践经验等问题，CSDN记者近日采访了DeepID人脸算法发明者孙祎。 孙祎先后就读于清华大学、香港中文大学，2013年在CVPR上发表了用深度学习做面部特征点检测最早的论文。随后陆续发表了四篇在人脸识别领域有影响力的论文（ICCV’13，CVPR’14，NIPS’14，CVPR’15），使深度学习方法的人脸识别准确率远远超过了人眼的准
【新智元导读】人工智能又一次战胜了人类！这次是在《最强大脑》。吴恩达率队的百度人工智能在人脸识别跨年龄识别任务中以 3：2 的比分惊险击败《最强大脑》名人堂轮值主席、世界记忆大师王峰。节目中，植入了百度大脑的机器人“小度”在全国观众的见证下与王峰进行两轮PK，并以微弱优势胜出。百度取胜背后都使用了哪些人工智能技术？技术的实现过程是怎么样的？现场比赛都有哪些幕后故事？新智元专访了百度 IDL 实验室主任林元庆，带来最新鲜、最全面的技术解密。 Master的余热还未散尽，在中国，另一场人与机器的“人机大战”结果
【新智元导读】《最强大脑》第四季最终回播出，百度人工智能机器人小度和人类一起问鼎“脑王”。小度在前两个环节（图像检索和人脸识别）表现优异，最后声纹识别项目挑战失败。成败背后的技术要点和难点是什么？本文为你带来最全解读。后附百度研究院院长林元庆对挑战赛技术原理、百度为何不做围棋AI、吴恩达走后百度人事架构的回答。 本季脑王共分三个环节，前两个环节人类选手和小度都参与了挑战（小度都成功了，两名人类选手都失败了），第三个环节则是小度和人类选手分别挑战不同的项目（结果小度失败，人类成功）。 最终结果：人类代表队和小
你的新手机不错，借我刷一下脸？ 人脸识别技术在智能手机上已经是标配，今天的我们刷脸解锁、刷脸支付就像吃饭喝水一样自然，以至于疫情期间戴口罩无法解锁手机时，我们会感到很不习惯。 在享受便利的同时，却鲜有用户去关心安全问题。虽然手机厂商往往会在发布手机的时候宣称「破解人脸识别的几率低至百万分之一」，但双胞胎解锁对方手机的事情仍然偶尔会上新闻。 最近一段时间，来自清华的 RealAI（瑞莱智慧）向我们展示了一项更为简单的攻击技术…… 在一副眼镜的攻击下，19 款使用 2D 人脸识别的国产安卓手机无一幸免，全部被快速破解。 具体来说，RealAI 团队选取了 20 款手机做了攻击测试，覆盖不同价位的低端机与旗舰机。
昨天，雷锋网AI掘金志其中的一个安防社群因为一个话题引发了不小的争论：“AI产品能否高效地实时识别出戴口罩的人是谁？”
云端人脸识别平台方案虽然看起来美好，但是当没有网络的时候呢?当需要控制硬件成本的时候呢?离线则成为人工智能技术落地的关键，这也是将AI从云到端的唯一方式。 当GMIC遇上视觉AI “黑科技”酷炫又好玩
好消息是，AI工程师们逢山开路遇水搭桥，现在——戴口罩人脸识别——这座桥，已经搭好了，而且已经开放了。
人脸表情识别（Facial Expression Recognition，FER）作为人脸识别技术中的一个重要组成部分，近年来在人机交互、安全、机器人制造、自动化、医疗、通信和驾驶领域得到了广泛的关注，成为学术界和工业界的研究热点，为了帮助大家学习人脸表情相关的内容，我们开设了人脸表情识别的专栏，目前大部分内容已经完结，本次来给大家进行总结。
1 月 13 日，在浙江卫视播出的大型科技综艺节目《智造将来》中，代表支付宝最新研发进展的生物识别系统「310099」首次亮相，并成功完成挑战：从 500 位蒙面观众中找到目标人物。
请大家跟我想象一下，假如你的世界里突然没有了电，会是怎样？没有了闹钟和手机，没有了灯光与网络，也没有了电脑地铁和飞机……
根据中商产业研究院发布的《2019-2024年中国机器视觉行业前景及投资机会研究报告》显示，2018年中国机器视觉市场规模首次超过100亿元；而随着行业技术提升、产品应用领域拓展，机器视觉市场将进一步扩大，预计在2019年机器视觉市场规模将近125亿元。
【新智元导读】业界公认人脸识别“世界杯”的微软百万名人识别竞赛 MS-Celeb-1M 结果出炉：百万名人识别子命题，Panasonic-新加坡国立大学合作夺得第一，CIGIT和中科院合作队伍与美国东北大学位列第二第三。MS-Celeb-1M 数据集有效填补了工业界跟学术界的空白，通过有针对的评估指标设计，竞赛实现了人脸“端到端”识别，有助于参赛模型投入现实应用。最后，竞赛识别单一训练样本的名人子命题的冠军团队成员分享了他们的思路方法和参赛经验。 2016 年 6 月，微软向公众发布了大规模现实世界面部图像
【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
机器之心原创 作者：高静宜 「身份验证是整个互联网金融的基础，要做到从实名到实人，生物识别在这里起到了很重要的作用。」蚂蚁金服生物识别技术负责人、全球核身平台资深专家陈继东告诉机器之心。生物识别技术的成熟、金融支付安全性与使用体验的更高要求，正推动互联网金融公司、商业银行对生物识别认证技术的开发与应用。2015 年 3 月，阿里巴巴集团执行主席马云在德国 CeBIT 展会开幕式上发布并演示了人脸识别支付认证技术，同年年末，蚂蚁金服「刷脸」认证在支付宝和网商银行正式上线。今年 2 月 21 日，蚂蚁金服「刷
这一年来，有数场高峰论坛吸引了众人的目光，从大连的夏季达沃斯论坛到天津的世界智能大会再到北京的软博会，每一个都是国际型、重量级的高峰论坛。但有趣的是，在这三个论坛中，人工智能（AI）都成为了主角。
随着现代科技的不断发展，现在的中国已经迈入5G时代，人工智能技术也正逐步广泛运用到了各行各业中，尤其人脸识别技术，已在各大行业中广泛使用。人脸识别门禁系统，可以防止陌生人尾随进入园区，大大降低了该风险。通过前端设备的识别，进行人脸与后台系统1对1的比对，比对成功方可进入。
作者 | 彭建宏（旷视科技产品总监彭建宏） 整理 | Just 出品 | 人工智能头条（公众号ID：AI_Thinker） “刷脸”曾一度是人们互相调侃时的用语，如今早已深深地融入我们的生活。从可以人脸解锁的手机，到人脸识别打卡机，甚至地铁“刷脸”进站…… 人脸识别技术越来越多地应用在了各种身份验证场景，在这种看起来发生在电光火石之间的应用背后，又有哪些不易察觉的技术在做精准判别？算法又是通过何种方式来抵御各种欺诈式攻击？ 我们近期邀请到旷视科技产品总监彭建宏，他负责 FaceID 在线身份验证云服务的产品
Deepfake 就是前一阵很火的换脸 App，从技术的角度而言，这是深度图像生成模型的一次非常成功的应用，这两年虽然涌现出了很多图像生成模型方面的论文，但大都是能算是 Demo，没有多少的实用价值，除非在特定领域（比如医学上），哪怕是英伟达的神作：渐进生成高清人脸 PGGAN（https://arxiv.org/abs/1710.10196 ） 好像也是学术意义大于实用价值。其实人们一直都在追求更通用的生成技术，我想 Deepfake 算是一例，就让我们由此出发，看看能否从中获取些灵感。 一、基本框架
云从科技在跨镜追踪（行人再识别）技术（ReID）上获取重大突破。同时在Market-1501，CUHK03，DukeMTMC-reID三个数据集刷新了世界纪录，其中最高在Market-1501上的首位命中率（Rank-1 Accuracy）达到96.6%，让跨镜追踪（ReID）在准确率上首次达到商用水平，人工智能即将从「刷脸」跨到「识人」的新纪元。
随着互联网的发展逐渐进入 “深水区”，基础研究与应用研究融通创新发展已引发业界广泛关注，协调产学各方资源，加速培养更多创新型研究人才变得尤为重要。腾讯自2017年开启“犀牛鸟精英人才培养计划”，借助其独特的数据资源和平台优势，联动高校共同培养新时期创新型研究人才，助力科技创新及应用成果落地。 目前2018年度精英人才培养计划已进入收尾阶段，并将在2019年10月18日CNCC大会期间完成奖学金评选，届时，14位优秀学生将对他们的学习成果进行公开答辩，竞选本年度一至三等奖学金、个人风采奖及勤奋好学奖。 在为
1.人脸识别的难点 用户配合度 相似性 易变形 2.人脸识别的评测方法 LFW数据集（Labeled Faces in the wild):该数据库工有13233幅图像，其中5749个人，1680人有两幅及以上的图像，4069人只有一幅图像。图像为250*250大小的JPEG格式。绝大多数为彩色图，少数为灰度图。该数据库采集的是自然条件下人脸图片，目的是提高自然条件下人脸识别的精度。 评判标准: ØUnsupervised ØImage-restricted with no outside data ØUn
在本期 CSDN 技术公开课Plus：《多模态人物识别技术及其在视频场景中的应用》中，爱奇艺科学家路香菊博士将为大家介绍了多模态人物识别技术及在视频场景中的应用。大家可以学习到爱奇艺在多模态技术领域的三项主要研究工作，并且在爱奇艺视频中是如何应用这些技术的。
中国图象图形学学会围绕「生物特征识别」这一主题，在中科院自动化所成功举办了第四期「CSIG 图像图形学科前沿讲习班」。
明明是红灯，偏要闯过去，大家都知道闯红灯是违法的，但几乎每个人都闯过红灯，为什么？就因为违法成本低、很少有人管，而且即便闯了也很难被及时发现。
还记得当年火爆朋友圈的军装照小应用吗？它背后的人脸融合技术，以及未来人脸融合的新趋势，你一定不能错过！ 如何能够搭建一套有效稳定的图像识别系统呢? 如何通过使用腾讯云API搭建自己的图像识别应用？ 腾
5月20日，根据人脸检测评测平台FDDB公布的数据排名显示，来自中国的人工智能公司阅面科技（ReadSense）在众多的优秀竞争者中拔得头筹。 如图为FDDB官方发布的人脸检测技术报告准确率召回率曲线
随着AI时代的移动技术革新大会开幕邻近，越来越多的行业人士对本届大会即将分享的行业干货保持着高度关注，本期主办方采访到了【基于AI的开发实践专场】演讲嘉宾杨帆先生（商汤科技联合创始人、副总裁，EGO 北京分会会员），就AI场景的价值体现与落地进行深度剖析。 以下内容是对杨帆先生的部分采访整理。 “AI更大的价值在于跟不同的行业结合” 杨帆在计算机视觉技术领域沉浸多年，在微软任职期间，他主要从事计算机视觉、计算机图形学等领域的新技术孵化工作，包括人脸识别、图像物体识别、人像三维重建等；杨帆认为，AI技术并
关于人脸识别这块，前些年不要太火，哪怕是到了今天依然火的一塌糊涂，什么玩意都要跟人脸识别搭个边，这东西应该只是人工智能的一个很小的部分，人脸识别光从字面上理解就是识别出人脸区域，其实背后真正的处理是拿到人脸区域图片，提取人脸特征值，再用这些特征值去做比对分析处理，识别出到底是谁，国内厂家也不少，比拼的就是准确度误报率，速度无非就是靠堆硬件来，什么VPU各种并行运算都堆上去，速度杠杠的，好多厂家都做到了几个毫秒的级别，估计很多厂家都是在开源的基础上加上了自家的算法，一直跑呀跑的整出了符合自家算法的人脸模型文件，比如百度的人脸识别模型文件，经过好几年的发展，越来越大越来越细越来越准。
AI大潮汹涌，吸引了越来越多的人才进入来添砖加瓦。而其中，除去核心的算法工程师、科学家外，催生了大量相关的从业人员。而无论你是销售，产品，设计，甚至是协作的APP开发或投资人，无论你之前是否是理工背景，从事其中自然需要了解一些基本的技术相关知识。这样，无论你是判断一家合作、投资公司的技术实力，更好的配合算法团队，乃至在“高深”的算法人员前快速建立交流自信，本文都会快速带来帮助。
9月8日-14日，备受瞩目的2018欧洲计算机视觉大会（ECCV 2018）在德国慕尼黑召开， ECCV两年举办一次，与CVPR、ICCV共称为计算机视觉领域三大顶级学术会议，每年录用论文约300篇。
作者：熊霖 赵健 徐炎 采访：闻菲 【新智元导读】开发出精确的和可扩展的无约束人脸识别算法，是生物识别和计算机视觉领域长期以来不断追求的目标。为了促进非受限条件下的人脸识别，美国国家技术标准局（NIST）主办了IJB-A竞赛。新加坡松下研究院与新加坡国立大学LV组去年两次夺得冠军，项目负责人新加坡松下研究院的研究工程师熊霖进行了专访，分享技术细节以及参赛经验。 开发出精确的和可扩展的无约束人脸识别算法，是生物识别和计算机视觉领域长期以来不断追求的目标。然而，实现这一点难度非常大，因为“无约束”需要人脸识
事实上，从去年十二月开始，新型冠状病毒事件导致的一个重要产业缺口就是口罩，此前文摘菌也对口罩的来源和去处进行了报道，口罩成为当下最为热门物件已是不争事实。
选自arXiv 作者：Kaidi Cao等 机器之心编译 参与：李诗萌、白妤昕、思源 由于类别样本不均衡，人脸检测只在正脸识别上有优秀的表现，它们很难识别侧脸样本。近日，香港中文大学和商汤科技等研究者提出了一种在深度表示空间中通过等变映射在正脸和侧脸间建立联系的方法，该方法的计算开销较少，但可以大大提升侧脸识别效果。 引言 深度学习的出现大大推动了人脸识别的发展。而人脸识别的焦点倾向于以正脸附近为中心，然而在不受限的环境中进行人脸识别，并不能保证其结果。尽管人类从正面识别侧面的表现只比从正面识别正面的表现差
深度学习在物体识别中的应用 ImageNet图像分类 深度学习在物体识别中最重要的进展体现在ImageNet ILSVRC3挑战中的图像分类任务。传统计算机视觉方法在此测试集上最低的错误率是26.172%。2012年，欣顿的研究小组利用卷积网络把错误率降到了15.315%。此网络结构被称为Alex Net，与传统的卷积网络相比，它有三点与众不同之处：首先，Alex Net采用了dropout的训练策略，在训练过程中将输入层和中间层的一些神经元随机置零。这模拟了噪音对输入数据的各种干扰使一些神经元对
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。
人可以轻易理解所看到的视觉信息，但将同样的能力赋予计算机，并让其代替人类来进行类脑思考，是人工智能学术界、产业界争相研究的科学课题。人脸作为最重要的生物特征，蕴含了大量的属性信息，如性别、种族、年龄、表情、颜值等，而如何对这些属性信息进行预测，则是人脸分析领域的研究热点之一。
今年7月份，两大银行接连爆出多名储户的数百万存款被异地“刷脸”盗取，引发全社会关注。其实，因人脸安全问题导致资金被盗、被贷款安全事件已不是新鲜事。
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
对象存储
即时通信 IM
