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
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
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
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
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、腾讯等公司的 AI 团队。
Wang Fei /Chen Liren /Li Cheng /Huang Shiyao /Chen Yanjie /Qian Chen /Loy Chen Change
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。
【新智元导读】腾讯优图是腾讯AI的三大核心支柱之一，与微信AI团队和新成立的腾讯AI Lab共同驱动腾讯的 AI 发展。本年度人脸识别标志性比赛：LFW 和 MegaFace上，优图都拿到了冠军的成绩。当下，计算机视觉（CV）发展逐渐进入成熟期，业界也传出“刷分无用论”，那么腾讯优图如何看待“刷分”现象？依托腾讯强大的资源和数据平台，优图在创新和应用上有哪些优势？优图目前的技术储备都有哪些？近日新智元专访了腾讯优图团队，试图解答以上问题。 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
腾讯AI Lab计算机视觉中心人脸&OCR团队是2016年11月底开始组建和开展工作，我们以研发业界领先的算法为目标驱动，逐步克服人手不足、训练数据不足等困难，不断夯实基础，做既有原创性又能落地应用的国际前沿研究。在上一期（腾讯AI Lab 计算机视觉中心人脸&OCR团队近期成果介绍（1））中已经介绍了我们团队的一些研究成果，近期，我们团队有一些新的成果再和大家进一步分享。 1 人脸研究进展 人脸研究的两大关键任务是人脸检测与人脸识别。在上一期中，我们主要介绍了我们团队在人脸检测的两个国际权威评测平台（WI
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
本文介绍了人脸识别和OCR识别技术的原理、应用和评测方法，并探讨了与腾讯云合作的政企项目应用情况。
近年来，基于深度学习的人脸识别已经取得了显著的进展。然而，深度人脸识别的实际模型制作和进一步研究却非常需要相应的公众支持。
【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，
日前，在国际权威海量人脸识别数据库MegaFace中，奇点云以93.82%的最新成绩在100万级别人脸识别测试中位居全球第五，实现200毫秒内快速完成人脸比对，并在各种真实场景应用中均有很强的鲁棒性。参加MegaFace挑战的还有腾讯等公司的AI团队。
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 的多项测评中斩获冠军。获悉这一消息后，AI 科技评论与腾讯 AI Lab 计算机视觉中心总监刘威博士进行了交流。 Face R-FCN 算法为针对人脸检测问题而设计，而 Face CNN 则着眼于解决人脸识别问题。据刘威博士介绍，目前 Face R-FCN 的部分技术细节已在 arXiv 上公布，Face C
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。
选自arXiv 机器之心编译 参与：Panda 深度卷积神经网络 (CNN) 已经推动人脸识别实现了革命性的进展。人脸识别的核心任务包括人脸验证和人脸辨识。然而，在传统意义上的深度卷积神经网络的 softmax 代价函数的监督下，所学习的模型通常缺乏足够的判别性。为了解决这一问题，近期一系列损失函数被提出来，如 Center Loss、L-Softmax、A-Softmax。所有这些改进算法都基于一个核心思想： 增强类间差异并且减小类内差异。腾讯 AI Lab 的一篇 CVPR 2018 论文从一个新的角度
最近因为博主科研繁忙，没有时间更新，在此向所有关注的您说一声对不起！希望没有ComputerVisionGzq 大家依然科研顺利，生活愉快，嘿嘿！ 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
关注腾讯云大学，了解最新行业技术动态 戳【阅读原文】查看55个腾讯云产品全集 一、课程概述 腾讯云神图·人脸识别（Face Recognition）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、五官定位、人脸搜索、人脸比对、人脸验证、人员查重、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。可应用于智慧零售、智慧社区、在线娱乐、智慧楼宇、在线身份认证等多种应用场景，充分满足各行业客户的人脸属性识别及用户身份确认等需求。 【课程目标】 快速了解腾讯云人脸识别产品 了解腾讯云人
最近因为博主科研繁忙，没有时间更新，在此向所有关注的您说一声对不起！希望没有计算机视觉战队大家依然科研顺利，生活愉快，也希望大家时刻关注我们的平台，宣传计算机视觉战队，谢谢！ ---- 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！ n 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。在大多数的CNNs中，softmax损失函数被作为监督信号去训练深度模型。为了增强深度学习特征的判别力，提出一种新的监督信号，称为中心损失，用于人脸识别任务。中心损失同时学
最近因为比较繁忙，没有及时在“计算机视觉战队”平台更新，在此向所有关注的同学说一声抱歉！希望这段日子大家依然科研顺利，生活愉快，嘿嘿！
本文解读的是 CVPR 2020 论文《Rotate-and-Render: Unsupervised Photorealistic Face Rotationfrom Single-View Images》，作者来自香港中文大学和商汤科技。本篇解读首发于知乎。
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。
金磊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 人脸识别领域，中国队再次传来捷报。 全球最大规模人脸数据集发布。 首次包含数百万ID和数亿图片。 这就是由芯翌科技与清华大学自动化系智能视觉实验室合作，所推出的 WebFace 260M，相关研究已被CVPR 2021接收。 并且，基于其所清洗的数据集 WebFace42M，在最具挑战IJBC测试集上，也已经达到了SOTA水平。 而它所带来的“全球之最”还不止于此。 以这项数据集为基础，芯翌科技在最新一期的NIST-FRVT榜单上，戴口罩人脸识
机器之心报道 作者：吴欣 在最近公布的国际权威人脸识别供应商测试 FRVT（Face Recognition Vendor Test）结果中，中国公司依图科技获得了四项测试的第一名，超过了俄罗斯公司 Vocord（Vocord 是国际老牌安防厂商，长久以来超越 Google 等公司盘踞人脸识别算法第一名）。 FRVT 是由美国国家标准技术局 NIST(National Institute of Standards and Technology) 组织的人脸识别供应商测试，作为美国国家采购的官方指导，其测试的
链接：https://zhuanlan.zhihu.com/p/265673438
Zhan Xiaohang /Liu Ziwei /Yan Junjie /Lin Dahua /Loy Chen Change
【论文导读】 深度卷积神经网络（DCNN）在人脸识别中已经取得了巨大的进展，通常的人脸识别的核心任务都包括人脸验证与人脸识别，涉及到特征判别。很多模型都是使用Softmax损失函数去监督模型的训练，
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。因为这个图片大小是 ImageNet 输入的 1/4，我们考虑取消常见网络结构起始的降分辨率操作，即替换(conv77-stride22)为(conv33-stride11)。我们这个输入放大版的网络结构标记为 L。 3.2 网络输出设定 此处输出指代特征向量这一层。我们实验了多种从最后一个卷
本文介绍了腾讯AI Lab在计算机视觉领域的最新研究成果，包括人脸和OCR技术的最新进展、相关竞赛和落地应用。团队在多个国际权威榜单上名列前茅，并首次提出了“级联回归”算法，有效提升了OCR的准确度。此外，团队还介绍了如何将人脸识别技术应用于安全领域，以及OCR技术在医疗领域的应用。
【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
机器之心报道 机器之心编辑部 这项研究基于现有公开人脸数据集创建了目前全球最大的人脸数据集，并实现了一个高效的分布式采样算法，兼顾模型准确率和训练效率，只用八块英伟达 RTX2080Ti 显卡就可以完成数千万人脸图像的分类任务。 人脸识别是计算机视觉社区长期以来的活跃课题。之前的研究者主要关注人脸特征提取网络所用的损失函数，尤其是基于softmax的损失函数大幅提升了人脸识别的性能。然而，飞速增加的人脸图像数量和GPU内存不足之间的矛盾逐渐变得不可调和。 最近，格灵深瞳、北京邮电大学、湘潭大学和北京理工大学
这一次我将从人脸检测，关键点检测，人脸识别，人脸表情，人脸年龄，人脸姿态等几个方向整理出人脸领域有用的数据集清单，不全也有9成全吧。
AI 科技评论按：在最近公布的国际权威人脸识别供应商测试 FRVT（Face Recognition Vendor Test）结果中，中国公司依图科技获得了四项测试的第一名，超过了俄罗斯公司 Vocord （Vocord是国际老牌安防厂商，长久以来超越Google等公司盘踞人脸识别算法第一名）。 FRVT是由美国国家标准技术局NIST(National Institute of Standards and Technology)组织的人脸识别供应商测试，作为美国国家采购的官方指导，其测试的权威性是全球工业界
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。
选自arXiv 机器之心编译 参与：Panda 大规模分类技术对人脸识别等任务的实际应用有着切实的价值。中国香港中文大学和商汤科技近日公布的一篇 AAAI 2018 论文介绍了一种旨在高效解决大规模分类问题的方法。机器之心对该研究成果进行了编译介绍。 近些年来，在深度学习的发展和数据集的爆发式增长的推动下，人工智能领域已经见证了一波突破浪潮（Shakirov 2016）。伴随着这一趋势，涉及极大数量类别的大规模分类变成了一项重要的任务。这种任务常常出现在使用了工业级数据集的人脸识别（Sun
在刚刚过去的 2017 年，国内外人工智能界的突破层出不穷：在自然语言处理和计算机视觉领域，国内发展势头迅猛，在人工智能最前沿研究上，国外独领风骚。
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。
面部识别是计算机视觉中最大的研究领域之一。现在，我们可以使用面部识别来解锁手机，在安全门上验证身份，并在某些国家/地区进行刷脸支付。许多公司都投资于面部识别技术的研究和开发，本文将重点介绍其中的一些研究，并介绍五篇有关人脸识别的机器学习论文。
新智元 AI DAILY 1 Gartner发布2016政府十大关键技术 7月4日，全球著名的咨询与研究公司Gartner近日发布2016政府十大关键技术。 被列入榜单中的技术包括：智能机器，物联网
人脸图像是计算机视觉领域中研究历史最久，也是应用最广泛的图像。从人脸检测、人脸识别、人脸的年龄表情等属性识别，到人脸的三维重建等，都有非常多的数据集被不断整理提出，极大地促进了该领域的发展。
SphereFace: Deep Hypersphere Embedding for Face Recognition CVPR2017 https://github.com/wy1iu/sphereface pytorch: https://github.com/clcarwin/sphereface_pytorch
【磐创AI导读】本文是深度学习之视频人脸识别系列的第四篇文章，接着第三篇文章，继续介绍人脸表征相关算法和论文综述。在本系列第一篇文章里我们介绍了人脸识别领域的一些基本概念，分析了深度学习在人脸识别的基本流程，并总结了近年来科研领域的研究进展，最后分析了静态数据与视频动态数据在人脸识别技术上的差异；在第二篇文章中介绍了人脸检测与对齐的相关算法。欢迎大家关注我们的公众号：磐创AI。
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。
美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）直属美国商务部，主要任务是建立国家计量基准与标准，提供为美国工业和国防服务的测试技术，参加标准化技术委员会制定标准等。
【新智元导读】人工智能对社会的渗透远比你能看到的更多。在具体的AI应用中，人脸识别是最广泛的几大技术之一，不管是执法、广告、管理甚至教堂，人脸识别都在发挥作用。在人脸识别领域，最新的技术甚至做到了“无脸识别”，也就是说，在图像模糊和变形的情况下，机器也可以根据此前学习到的模型正确识别出人脸。《经济学人》副主编Tom Standageis撰文指出，现在的人脸识别为AI技术的负面效应提供了一个例子。由AI引发的伦理和监管窘境并非是理论上的：它们已经发生了，就在你的智能手机里。 人脸识别的最新进展：无脸识别 根据
2017年5月15日，香港中文大学终身教授贾佳亚博士加盟腾讯优图实验室。作为杰出科学家，贾佳亚教授将负责计算机视觉、图像处理、模式识别、机器学习等人工智能领域的研究，及人工智能与各应用场景结合的深度探索。 腾讯公司副总裁梁柱表示：“贾佳亚教授是人工智能领域的研究专家，我们很高兴能邀请到贾佳亚教授加盟腾讯优图实验室。优图实验室的图像识别、人脸识别技术一直处于国际领先的地位，在人工智能各类世界级的比赛中屡创佳绩。近年来，腾讯依托以社交为核心的丰富应用场景、海量的大数据和强大的云计算能力，在人工智能领域获得了
杨净 明敏 发自 凹非寺 量子位 | 公众号 QbitAI 只凭一张人脸，就能检索出各种公开网站上的照片。 甚至连十几年前的黑历史都可能挖到！ 最近，一个名为PimEyes的人脸搜索引擎，引发了巨大争议。 这个网站支持搜索任何人的照片，而且准确度惊人。 即便带着口罩、墨镜、脸上有头发遮挡，人脸也能被识别，然后扒出各种相似人脸照片。 这当中，甚至可能还会被扒出露骨照。 一软件工程师Cher Scarlett（之后叫她雪姐）分享了一段经历，本想测试能否搜出亲人，结果竟找到自己十几年前被性虐待的照片。 更要
现如今人脸识别应用已经大规模走进我们的的生活，但人脸识别技术的研究仍然是计算机视觉的热点，还有哪些待解的问题？从应用的角度哪些新技术更值得关注？
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
