科葩慧眼人臉識別解決方案充分應(yīng)用人臉識別技術(shù)，將員工、業(yè)主、訪客、非法入侵人員通過針對性的子系統(tǒng)進行有效地管理，不僅提高了管理效率，也真正實現(xiàn)了提前預防。

訪客管理子系統(tǒng)精準控制訪問權(quán)限

相較于傳統(tǒng)的安全通行證，慧眼人臉識別系統(tǒng)下訪客管理子系統(tǒng)的優(yōu)點在于：不可竊取，無法借用和復制，就是說，臉部識別是無法被效仿的，在未來，人臉識別也會成為未來較可靠的通行證。

科葩訪客子系統(tǒng)主要有v預約、訪客數(shù)據(jù)自動下發(fā)功能，針對不同地點的安保等級，物業(yè)還可以選擇安保再確認、遠程開門等功能，全程數(shù)字化管理，為訪客、被訪公司、物業(yè)三方提升效率，提升用戶體驗。

人臉通行子系統(tǒng)更準確高效

傳統(tǒng)通行系統(tǒng)具有人卡不一、卡片丟失、卡片易被破解復制、信息準確率沒有保障等問題，而慧眼人臉識別系統(tǒng)下的人臉通行子系統(tǒng)不僅可以解放雙手、速度快捷地完成通行管理任務(wù)，還能夠明確責任、準確防偽，保證本人通行、不可替代的1性。

動態(tài)布控子系統(tǒng)可事先預警

科葩慧眼人臉識別系統(tǒng)下的動態(tài)布控子系統(tǒng)能高速抓拍，同時采集比對15張人臉，主要有陌生人預警、VIP迎賓等功能。

出現(xiàn)安全問題，傳統(tǒng)攝像頭只能事后排查，而科葩動態(tài)布控子系統(tǒng)能做到陌生人預警，黑名單報警等功能，只要有非*人員或黑名單人員出現(xiàn)，后臺即會發(fā)出預警，讓安保人員能及時排查，防止安全事件發(fā)生。

VIP迎賓功能可以設(shè)置VIP名單，當重要賓客到訪時，大屏幕上會彈出迎賓畫面，為重要嘉賓帶來尊貴的體驗。

不得不承認，人臉識別技術(shù)比現(xiàn)有的基于ID入口系統(tǒng)更快、更強大、更安全。憑借其靈活的設(shè)計, 科葩慧眼人臉識別系統(tǒng)還為開發(fā)和整合更多的應(yīng)用程序和服務(wù)提供了充足的空間，以滿足您未來的安全訪問和管理需求。

科葩專業(yè)人臉識別設(shè)備與應(yīng)用解決方案提供商

科葩X-Face慧眼人臉識別，助力行業(yè)應(yīng)用智能化變革落地！

---------------------------------------------------

原始的cos(θ)被換成了phi(θ)，phi(θ)的較簡單形式其實是cos(mθ)，之所以在原文中變得復雜，只是為了將定義域擴展到[0,2π]上，并保證在定義域內(nèi)單調(diào)遞減。而這個m便是增加的margin系數(shù)。當m=1時，phi(θ)等于cos(θ)，當m>1時，phi變小，損失變大。超參m控制著懲罰力度，m越大，懲罰力度越大。為計算方便，m一般設(shè)為整數(shù)。作者從數(shù)學上證明了，m>=3就能保證大類內(nèi)距離小于小類間距離。實現(xiàn)的時候使用倍角公式。 另外：sphereface的訓練很tricky，關(guān)于其訓練細節(jié)，這篇文章并沒有提到，而是參考了作者前一篇文章[10]。有關(guān)訓練細節(jié)讀者也去作者github上去尋找，issues里面有很多討論。 2.2.2 Normface Sphereface效果很好，但是它不優(yōu)美。在測試階段，sphereface通過特征間的余弦值來衡量相似性，即以角度為相似性的度量。但在訓練階段，不知道讀者有沒有注意到，其實sphereface的損失函數(shù)并不是在直接優(yōu)化特征與類中心的角度，而是優(yōu)化特征與類中心的角度在乘上一個特征的長度。就是說，我在上文中關(guān)于sphereface損失函數(shù)優(yōu)化方向的表述是不嚴謹?shù)模鋵崈?yōu)化的方向還有一部分是去增大特征的長度去了。我在Mnist數(shù)據(jù)集上做過實驗，以下圖片分別為m=1和m=4時的特征可視化，注意坐標的尺度，就能驗證上述觀點. 在這里插入圖片描述 然而特征的長度在我們使用模型的時候是沒有幫助的。這就造成了training跟test之間目標不*，按照Normface作者原話說就是存在一個gap。于是Normface的核心思想就出來了:為何在訓練的時候不把特征也做歸一化處理？相應(yīng)的損失函數(shù)如下： 在這里插入圖片描述 其中W是歸一化的權(quán)重，f_i是歸一化的特征,兩個點積就是角度余弦值。參數(shù)s的引入是因為數(shù)學上的性質(zhì)，保證了梯度大小的合理性，原文中有比較直觀的解釋，這里不是重點。如果沒有s訓練將無法收斂。關(guān)于s的設(shè)置，可以把它設(shè)為可學習的參數(shù)。但是作者更*把它當做超參數(shù)，其值根據(jù)分類類別多少有相應(yīng)的*值，這部分原文appendix里有公式。文章中還有指出一點，F(xiàn)acenet中歸一化特征的歐式距離，和余弦距離其實是統(tǒng)一的。還有關(guān)于權(quán)重與特征的歸一化，這篇文章有很多有意思的探討，有興趣的讀者建議閱讀原文。