在目标检测领域可以划分为了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、人脸和其他属性的识别等等），并且可以和通用目标检测（识别）有一定的差别，这主要来源于人脸的特性（有时候目标比较小、人脸之间特征不明显、遮挡问题等），下面将从人脸检测和通用目标检测两个方面来讲解目标检测。
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。
众志成城，抗击疫情。首先，我们向在一线抗击疫情的医护人员和各行各业的从业者致敬。祝愿我们早日战胜疫情，早日迎接春暖花开的那一天。
过去十年，深度学习领域出现了许多先进的新算法和突破性的研究，并且引入了新的计算机视觉算法。
人脸检测是计算机视觉最典型的应用之一，早期OpenCV的logo就是Haar人脸检测的示意图。
人脸检测为目标检测的特例，是商业化最早的目标检测算法，也是目前几乎各大CV方向AI公司的必争之地。
近日来自日本东北大学与Laboro.AI公司的研究人员公开一篇改进的单阶段人脸检测算法论文，其不仅保持了速度的优势而且在主流的人脸数据集上达到与双阶段人脸检测算法相当的精度。
人脸检测为目标检测的特例，是商业化最早的目标检测算法，也是目前几乎各大 CV 方向 AI 公司的必争之地。
首先祝大家七夕情人节愉快，能和喜欢的人度过浪漫的一天，也祝在科研的同学抽出时间陪伴你的伴侣，一起度过一年一次的中国情人节，若还处于单身的同学，希望你们不仅科研成功、还能遇到自己喜欢的他（她）！
部分来源于《机器人大讲堂》和《2017年中国人脸识别未来发展路径、市场需求、市场发展空间预测》 近年来由于深度学习爆炸式的发展，已经带动了整个行业的发展。身为人工智能的一份子，为该技术骄傲自豪。在丰
作者：汪铖杰 首发于 腾讯云技术社区 量子位 已获授权编辑发布 优图实验室研究人脸技术多年，不仅在技术方面有很好的积累，而且在公司内外的业务中有众多应用。笔者作为优图实验室人脸研究组的一员，在与产品、商务、工程开发同事交流过程中发现：不管是“从图中找到人脸的位置”，或是“识别出这个人脸对应的身份”，亦或是其他，大家都会把这些不同的人脸技术统称为“人脸识别技术”。 因此，笔者整理了一些常见人脸技术的基本概念，主要用于帮助非基础研究同事对人脸相关技术有一个更深入的了解，方便后续的交流与合作。 人脸技术基本概念介
人脸技术基本概念介绍 1. 人脸检测 “人脸检测(Face Detection)”是检测出图像中人脸所在位置的一项技术。 人脸检测算法的输入是一张图片，输出是人脸框坐标序列(0个人脸框或1个人脸框或多个人脸框)。一般情况下，输出的人脸坐标框为一个正朝上的正方形，但也有一些人脸检测技术输出的是正朝上的矩形，或者是带旋转方向的矩形。 常见的人脸检测算法基本是一个“扫描”加“判别”的过程，即算法在图像范围内扫描，再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸、图像内容相
1. 人脸检测 “人脸检测(Face Detection)”是检测出图像中人脸所在位置的一项技术。 人脸检测算法的输入是一张图片，输出是人脸框坐标序列(0个人脸框或1个人脸框或多个人脸框)。一般情况下，输出的人脸坐标框为一个正朝上的正方形，但也有一些人脸检测技术输出的是正朝上的矩形，或者是带旋转方向的矩形。 常见的人脸检测算法基本是一个“扫描”加“判别”的过程，即算法在图像范围内扫描，再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸、图像内容相关。开发过程中，我们可以通过设置“输
本文介绍了腾讯AI实验室在计算机视觉领域的研究进展，包括人脸检测、人脸识别、OCR等方面，并分享了在ICDAR、FDDB等竞赛中的成果。团队秉承专业、服务、伙伴的理念，不断夯实基础，做有原创性的研究和坚实的工作，为伙伴部门提供高品质的技术支持。
腾讯提出一种高精度双分支人脸检测器DSFD并开源。该算法曾在全球两大权威人脸检测数据集WIDERFACE和FDDB上均取得了第一。 任务介绍 人脸检测算法是在图像上检测出人脸的位置（通常以矩形框形式输出），是人脸配准、人脸属性识别、人脸核身、人脸检索等技术的基础。随着人工智能行业的发展，人脸相关技术在社交娱乐、智慧零售、互联网金融等领域得到了越来越广泛的应用，同时也对人脸检测技术提出了更多的挑战。由于场景不受控、人员非配合，人脸往往受到逆光、遮挡、模糊、姿态、尺度等因素的干扰，因此研发效果更优异的人脸检测
从其官网介绍来看： Linkface 凭借在人脸识别领域数年的技术累积，在大数据和深度学习的驱动下，成功搭建了一套高效稳定的人脸分析系统，囊括了人脸检测、人脸关键点检出、人脸识别、人脸属性分析、活体检
人脸检测是计算机视觉中的老话题，应用广泛，研究者众多，业界不仅在向着更准的检测算法前进，轻量级检测人脸算法也成为应用中的宠儿。
AI人脸检测算法可以提取人脸和服装的特征，并将其分类为有用的类别，例如性别、年龄和服装颜色。通过搜索这些丰富的属性信息，可以帮助我们轻松找到目标人物，比如通过人脸以图搜图、人脸布控等等。
项目贡献者介绍，这一模型大小文件仅1MB，320x240输入下计算量仅90MFlops。
在 5 个月时间里（5月-9月），创新工场旗下人工智能企业创新奇智连续在世界顶级人脸检测竞赛 WIDER FACE、物体检测竞赛 PASCAL VOC、图像分割竞赛 Cityscapes 中取得三冠的佳绩，体现了创新奇智人工智能算法能力，尤其是在计算机视觉领域中算法的创新和设计能力。
近日，知名开源社区Github上有个名为DSFD（Dual Shot Face Detector）的算法引起了业内关注，它正是来自于腾讯优图。目前，该算法已经被计算机视觉顶级会议CVPR 2019接收，并且在2018年10月刷新了两个权威的人脸检测数据集WIDER FACE和FDDB上的新纪录。
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。研究人员表示，通过有针对的优化，这些模型都可以投入实用，并且与竞赛中表现出的性能基本齐平。 人脸检测是让机器找到图像视频中所有人脸并精准定位其位置信息，是人脸识别的前提和基础。由于视角、光照、遮挡、姿态、年龄变化等复杂因素的干扰与影响，真实场景下的人脸检测与识别问题一直极具挑战。优秀的人脸技术在政务、金融、安防等领域都具有极高应用价值。 日
刚刚度过了一个特殊的春节，美美在这里给大家拜个晚年。相信大家作为各公司技术团队的骨干，应该也和我的同事们一样，正在紧张忙碌地用技术支撑着各方面的工作，同舟共济，抗击疫情吧。请大家注意做好个人和家庭防护，多加强运动，提高免疫力。让我们一起为武汉加油，愿疫情早日结束！
们生存的这个星球上，居住着70多亿人。每个人的面孔组成部分相同，它们之间的大体位置关系也是固定的，并且每张脸的大小差异也不大。然而，它们居然就形成了那么复杂的模式——即使是面容极其相似的双胞胎，也能由微妙的差别区分出来。人脸特征如同指纹一样，无法找到完全相同的存在。那么，区分如此众多的不同人脸的“特征”到底是什么？是否可以设计出与人类一样能够自动识别人脸的机器？这是近几十年来被广泛研究着的热门问题。随着AI技术的发展，也取得了显著的突破。
论文解读: Quantized Convolutional Neural Networks for Mobile Devices
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。
看上图是不是想到10年12月7日那次历史性的詹韦连线，时隔8年我们有一次看到，但不是那个自信张开双手抛开，而是选择回头，可能这个画面，以后再也看不到了。希望我们牢记03黄金给我们90后留下的深刻记忆，向他们salute。
本文提出了一种名为SSH的单阶段无头人脸检测器，旨在提高速度、减少内存占用并实现尺度不变性。SSH采用三个检测模块M1、M2、M3，分别对应不同的卷积层，并利用滑动窗口策略构建锚框。通过在线负样本和正样本挖掘来优化训练过程。在WIDER FACE人脸检测基准测试中，SSH取得了出色的性能，领先于现有的方法。
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
欢迎大家来到我们的项目实战课，本期内容是《基于Pytorch的RetinaFace人脸与关键点检测实战》。
飞跃计划第四期还剩最后两个名额，定制专属你的算法工程师的学习计划（联系SIGAI_NO2）
在弱光图像中进行人脸检测具有挑战性，因为照片数量有限，而且不可避免地会有噪声，而这些噪声往往在空间上分布不均匀，使得这项任务更加困难。一个自然的解决方案是借用多重曝光的想法，即在具有挑战性的条件下捕捉多个镜头以获得良好曝光的图像。然而，对单一图像进行高质量的多重曝光的实现/近似是很重要的。
Single Stage Headless Face Detector（SSH）是ICCV 2017提出的一个人脸检测算法，它有效提高了人脸检测的效果，主要的改进点包括多尺度检测，引入更多的上下文信息，损失函数的分组传递等等，论文相对比较简单，获得的效果也还不错（从Wider Face的结果来看，和前几天介绍的在小尺寸人脸检测上发力的S3FD 差不多）。
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。此外，腾讯 AI Lab 已通过 arXiv 平台发表论文公开部分技术细节。 人脸检测是让机器找到图像视频中所有人脸并精准定位其位置信息，人脸识别是基于人脸图像自动辨识其身份，两者密切相关，前者是后者的前提和基础。在研究上，由于视角、光照、遮挡、姿态、年龄变化等复杂因素的干扰与影响，真实场景下的人脸检测与识别问题一直是
计算机视觉研究院专栏 作者：Edison_G 在弱光图像中进行人脸检测具有挑战性，因为照片数量有限，而且不可避免地会有噪声，而这些噪声往往在空间上分布不均匀，使得这项任务更加困难。 长按扫描二维码关注我们一、简要在弱光图像中进行人脸检测具有挑战性，因为照片数量有限，而且不可避免地会有噪声，而这些噪声往往在空间上分布不均匀，使得这项任务更加困难。一个自然的解决方案是借用多重曝光的想法，即在具有挑战性的条件下捕捉多个镜头以获得良好曝光的图像。然而，对单一图像进行高质量的多重曝光的实现/近似是很重要的。
昨日下午，小米科技联合创始人黄江吉在微博上宣布，小米人脸检测新算法在FDDB（基于深度卷积网络：Faster RCNN Bootstrapped by Hard Negative Mining）人脸检
人脸检测领域目前主要的难点集中在小尺寸，模糊人脸，以及遮挡人脸的检测，这篇ICCV2017的S3FD（全称：Single Shot Scale-invariant Face Detector）即是在小尺寸人脸检测上发力。
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。 研究上，目前腾讯AI Lab已通过arXiv平台发表论文公开部分技术
自从VJ在2004发表了关于级联分类器实时对象检测的论文以后，级联分类器就在OpenCV中落地生根了，一段时间，特别是OpenCV3.x版本中基于级联分类器的人脸检测一直是标配，虽然大家刚开始看了例子之后觉得这个是一个很实用的功能，但是在实际实用中级联分类器的人脸检测方法则是频频翻车，我自己曾经移植到Android上面玩过，日常就是两个字“翻车”，很多时候都无法达到开发者想要的稳定性与实时性能。但是这个并不妨碍它作为OpenCV3.x的一大关注点，还产生了无数的Demo演示程序。但是如今已经是OpenCV4.x的时代了，那些基于级联分类器的人脸检测演示看上去有点不合时宜，而且效果惨遭以深度神经网络模型人脸检测技术的毒打。OpenCV4中的人脸检测现在支持多种深度神经网络模型，与OpenCV3中的传统人脸检测方法形成鲜明对比。下面我们就来一一介绍一下从OpenCV3到OpenCV4中不同人脸检测技术。
论文地址：https://arxiv.org/pdf/2005.03950.pdf
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。
我们采用ARM Cortex-M3软核及FPGA构成了轻量级的实时人脸检测SOC，通过ov5640摄像头采集实时图像，经过检测系统的检测后，将已经框出人脸的实时图像通过HDMI输出到显示器，同时可以通过UART查看检测时间等信息，还能通过板载LED灯查看检测到的人脸数量。
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
对象存储
即时通信 IM
腾讯会议
