ITPub博客

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。目录导语3D人脸基础知识初识3D人脸相机模型3D相机3D人脸数据3D人脸相关任务常见Pipeline3D人脸识别3D人脸重建总结导语随着深度学习技术的推进，人脸相关任务研究也跃升为学界和业界的热点。人们所熟知的人脸任务一般包括人脸检测，人脸身份识别，人脸表情识别等，它们多是采用 2D RGB 人脸（一般包括一些纹

近些年，得益于网络架构、训练策略以及人脸数据的发展，人脸识别技术取得巨大的提升，覆盖到社会福利保障、电子商务及安全防务等领域，可以说，人脸识别的全面应用时代已经到来。今天，小编就为大家分享一些关于人脸识别的新应用案例。刷脸乘地铁照进现实2019年4月1日，济南市首条地铁线路1号线正式开启商业运营。据悉，随着地铁上线的还有人脸识别乘车系统，这也让济南地铁成为国内首条采用3D人脸识别闸机的地铁线路。同

对于人脸识别技术来说，它的市场前景非常可观。但是在这一技术的应用落地上，硬件厂商与应用服务商都有各自的焦虑与无奈，因此人脸识别中间件平台会是解决这一问题的不错选择。计算机视觉作为人工智能的一个分支，一直占据比较重要的位置，而人脸识别技术从20世纪70年代开始兴起，迄今为止成为计算机视觉领域最热门的研究方向之一，在安防、门禁、监控等领域拥有广泛的应用场景。人脸识别，是基于人的脸部特征信息进行身份识别

机器学习十大开源工具机器学习是未来。但机器会灭绝人类吗？这应该是一个牵强附会的想法。作为机器学习开发人员，您一定希望成功实现目标。这就是用于机器学习的开源工具的用武之地。 机器学习开源社区是活跃的。如果你是开源的，你会发现有很多机器学习资源。这还包括您可以在项目中使用的工具。在本文中，我们将介绍十种必备的开源工具，用于机器学习。这些工具将帮助您改善工作流程。10个必备的机器学习开源工具对于非程序员

Scale AI宣布获得1亿美金C轮融资，公司估值超10亿美金，成为硅谷新晋独角兽。到底什么业务这么值钱？撰文 | 太浪编辑 | 宇多田许多大型人工智能企业们必须承认，在自己「实现智能化与自动化」的承诺背后，都有着对 Scale AI 的强烈依赖。Scale AI 是一家成立 3 年的初创企业，相比很多自称人工智能公司的理想化目标，这家公司的使命非常现实且简单——承认并利用机器学习与人类承包商以及

广义来说，有三种机器学习算法1、 监督式学习工作机制：这个算法由一个目标变量或结果变量（或因变量）组成。这些变量由已知的一系列预示变量（自变量）预测而来。利用这一系列变量，我们生成一个将输入值映射到期望输出值的函数。这个训练过程会一直持续，直到模型在训练数据上获得期望的精确度。监督式学习的例子有：回归、决策树、随机森林、K – 近邻算法、逻辑回归等。2、非监督式学习工作机制：在这个算法中，没有任何

来源 | GitHub Trending整理 | Freesia译者 | TommyZihao出品 | AI科技大本营（ID: rgznai100）【导读】近日，一个名为 face_recognition 的人脸识别项目登上了 GitHub Trending 趋势榜，赚足了眼球。自开源至截稿，此项目在 Github 上的 Star 数已达 26500，Fork 数也达到了 7117。本文主要介绍了

人脸识别，已成趋势。关于人脸识别各种碎片式的报道也层出不穷，但对于大多数人而言，依然是管中窥豹，雾里看花。本篇文章中，笔者将从技术应用与商业模式两个维度，系统性地说明人脸识别，力求让读者，尤其是在考虑AI+应用的从业者，看到全貌。根据前瞻产业研究院对对人脸识别市场的预估，到2022年，中国人脸识别市场规模将超过66亿元。本篇，我们先来讲人脸识别的技术应用。基础能力决定上层应用——基础层算法我们可能

“让我们的魔术师上来！”在前公司松下的年会上，管理者这样介绍申省梅。申省梅这样称号的由来，是因为在新加坡（松下）研究院的 27 年间，无论日本那边的部门需要什么计算机视觉技术，申省梅和她的团队总能做出来。这并非在夸大其词。当对物理概念了解足够深入，看得又足够广时，技术上的融会贯通就能够实现，多年来，申省梅在医疗、3D、安全协议、数据压缩等多种技术领域均有涉足。比如在 2009 年至 2012 年期

2019-08-11 17:44:23反卷积（Deconvolution）的概念第一次出现是Zeiler在2010年发表的论文Deconvolutional networks中，但是并没有指定反卷积这个名字，反卷积这个术语正式的使用是在其之后的工作中(Adaptive deconvolutional networks for mid and high level feature learning)

1. 前言迁移学习（Transfer Learning,TL）对于人类来说，就是掌握举一反三的学习能力。比如我们学会骑自行车后，学骑摩托车就很简单了；在学会打羽毛球之后，再学打网球也就没那么难了。对于计算机而言，所谓迁移学习，就是能让现有的模型算法稍加调整即可应用于一个新的领域和功能的一项技术。不久前，香港科技大学的杨强教授在机器之心GMIS大会中回顾AlphaGo和柯洁的围棋大战时曾说，Alph

本文作者为香港浸会大学 贺鑫，雷锋网AI科技评论获其授权发表。英文标题 | AutoML：A survey of State-of-the-art作　　者 | Xin He, Kaiyong Zhao, Xiaowen Chu单　　位 | Hong Kong Baptist University（香港浸会大学）论文链接 | https://arxiv.org/abs/1908.

自从手机APP二维码支付进入了人们的日常生活后，方便安全，真是无处不在。特别是1994年日本Denso Wave发明的QR码（快速响应），它获得最广泛应用，因为它易于检测，写入大量信息，并提供强大的错误纠正机制，它可以说是第一个最大的图像识别应用程序。二维码的检测和解码已成为许多应用开发的必要条件。面对许多开源库，哪一个更好？我们比较了五个值得参考的有影响力的开源库中的检测算法。参与开源库的比较：

越来越强大的AI模型正在改变这个世界。但这背后的成本并不便宜。以中国的数据为例，全国40万个数据中心，每年总体耗电量超过1000亿度，这相当于三峡和葛洲坝水电站1年发电量的总和。近日，著名的AI研究机构艾伦AI研究所（AI2）发布了一份新的立场文件(Position Paper)，呼吁业内在评估AI研究时应该更加重视能效，在开发、训练和运行模型时，与速度、准确性等指标一并列出“成本标签”。AI2

https://www.toutiao.com/a6723054155407032840/ 新旧血液不断融合，旧规则被打破，新边界因此扩宽。作为最早一批闯入泛安防战场的 AI 公司，依图历经七年磨砺，先后参与全国近 300 个地市的公共安全建设，终于在前排段位中获得一席之地。依图同时有着传统安防公司低调收敛的一面，在这个封闭而残酷的市场，少说多做永远是第一准则，所以我们很少看到依图对外谈起安防业务

【导读】CMU计算机科学学院终于要迎来新任院长了！8月15日，CMU将正式任命计算机视觉和机器人专家Martial Hebert担任计算机科学学院院长，他将领导270多名教师和2300名学生。近日，卡内基梅隆大学(CMU)宣布，将从8月15日起任命Martial Hebert为CMU计算机科学学院(SCS)的院长。Martial Hebert将接替前任院长安德鲁•摩尔(Andrew Moore)，

如何使用结构相似性指数（SSIM）将两个图像与Python进行比较。使用这种方法，我们能够轻松确定两个图像是否相同或由于轻微的图像处理，压缩伪像或有目的的篡改而产生差异。今天我们将扩展SSIM方法，以便我们可以使用OpenCV和Python可视化图像之间的差异。具体来说，我们将在两个不同的输入图像中的区域周围绘制边界框。与OpenCV和Python的图像差异为了计算两个图像之间的差异，我们将利用结

https://www.toutiao.com/a6723018767015608843/ 曾经热热闹闹伫立在旧金山街角的一幢小楼已经人去楼空。而这里几个月前还属于一家远渡重洋来自中国的车企——蔚来汽车。而同一时期浩浩荡荡“决心美利坚造车”的其他中国造车新势力们也大多面临着可能海外“烂尾”的结局——被高价挖角来的硅谷精英们纷纷选择出走。而离开前，不少人都经历了一场又一场不停歇的职场“宫斗”——有些

据路透社报道，周四联邦上诉法院驳回了Facebook希望撤销一项集体诉讼的申请。这项诉讼指控Facebook未经用户同意，非法收集、储存数百万用户的生物识别数据。驳回Facebook申请的是旧金山第九美国巡回上诉法院，提起诉讼的则是伊利诺伊州用户。上诉法院的裁决，可能令Facebook需要为面部识别向原告支付高达数十亿美元的损害赔偿。此前，Facebook在隐私方面已经引起过广泛的争议。7月，Fa

（图片来源Xavier Portela）在地产公司智慧化转型与AI公司商业化落地的大背景下，世茂集团与云知声，双方从「相遇到联姻」的故事，也是当下AI与传统产业融合的一个缩影。撰文 | 寓扬对于房地产行业而言，简单粗暴「卖房子、挣快钱」的时代已经结束了。国家统计局最近公布的一个数据十分耐人寻味，2019 年上半年，我国商品房销售面积 75786 万平方米，同比下降 1.8%，并且整个第二季度连续下