avav588con,最近2019中文免费字幕在线观看,欧美一道本一区二区三区,九九热在线观看,经典好看免费AV

　　【中國(guó)安防展覽網(wǎng) 企業(yè)關(guān)注】人臉識(shí)別技術(shù)自發(fā)現(xiàn)以來(lái)被應(yīng)用在很多的領(lǐng)域，雖然這項(xiàng)技術(shù)帶來(lái)的好處被很多人認(rèn)可，但是在技術(shù)上還是存在著缺陷。面部的識(shí)別率是關(guān)鍵的技術(shù)，主要是依靠算法來(lái)實(shí)現(xiàn)，盡管一直在提高，但是與人類(lèi)本身來(lái)比較，始終難以超越。不過(guò)近香港中文大學(xué)的兩名科學(xué)家發(fā)明的新算法卻突破了這個(gè)瓶頸。
　　
　　我們每個(gè)人都有過(guò)認(rèn)不出某個(gè)自己曾經(jīng)認(rèn)識(shí)的人的經(jīng)歷，在不同的姿勢(shì)、光照和表情下，這其實(shí)是一件比較困難的事情。計(jì)算機(jī)識(shí)別系統(tǒng)同樣存在這些問(wèn)題。事實(shí)上，盡管*的計(jì)算機(jī)科學(xué)家努力了這么多年，還是沒(méi)有任何一種計(jì)算機(jī)識(shí)別系統(tǒng)在識(shí)別人臉?lè)矫婺軌蛳袢祟?lèi)一樣強(qiáng)大。
　　
　　但這并非是說(shuō)人臉識(shí)別系統(tǒng)不夠準(zhǔn)確。恰恰相反，好的人臉識(shí)別系統(tǒng)在理想情況下比人類(lèi)識(shí)別的表現(xiàn)要好的多。但是一旦環(huán)境情況變?cè)?，系統(tǒng)的表現(xiàn)就差強(qiáng)人意了。而計(jì)算機(jī)科學(xué)家們當(dāng)然是非常想要開(kāi)發(fā)出一種算法，在各種情況下都能夠表現(xiàn)優(yōu)異。
　　
　　現(xiàn)在，香港中文大學(xué)的路超超和湯曉鷗（音譯）發(fā)明的新算法卻能從超過(guò)13000張照片中找出同一個(gè)人的臉,準(zhǔn)確率達(dá)98.52%（人類(lèi)97.53%）。這個(gè)被命名為GaussianFace的程序，人臉識(shí)別算法超過(guò)了人類(lèi)自身，有望實(shí)現(xiàn)從游戲登錄到護(hù)照安檢的應(yīng)用。
　　
　　新的識(shí)別系統(tǒng)對(duì)于各種平臺(tái)都能夠提供人類(lèi)級(jí)別的識(shí)別能力，從手機(jī)到電腦游戲中的人臉識(shí)別，從安全系統(tǒng)到密碼控制等等。

　　
　　任何一個(gè)人臉自動(dòng)識(shí)別程序，首先要考慮的就是去構(gòu)建一個(gè)合適的數(shù)據(jù)集來(lái)測(cè)試算法。那需要一個(gè)非常大范圍的，各種各樣的，帶著各種復(fù)雜動(dòng)作、光線(xiàn)和表情的，不同臉的圖像，各種人種、年齡和性別都要考慮在內(nèi)。然后還要考察服裝、發(fā)型以及化妝等其他因素的影響。
　　
　　比較幸運(yùn)的是，已經(jīng)有這么一個(gè)擁有各種不同人臉的標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)——LabelledFaces。它擁有超過(guò)13,000張不同人臉的圖片，它們是從網(wǎng)絡(luò)上收集的6000個(gè)不同的公眾人物。更重要的是，每個(gè)人都擁有不止一張人臉圖片。
　　
　　當(dāng)然也存在其他的人臉數(shù)據(jù)庫(kù)，但是Labelledfaces目前是計(jì)算機(jī)科學(xué)家們所公認(rèn)的具參考價(jià)值的測(cè)試數(shù)據(jù)集。
　　
　　面部識(shí)別的任務(wù)是去比較兩張不同的圖片，然后判斷他們是否是同一個(gè)人。(你可以試試看，能否看出這里展示的每對(duì)圖片是否是同一個(gè)人。)
　　
　　人類(lèi)在這個(gè)數(shù)據(jù)庫(kù)上的表現(xiàn)可以達(dá)到97.53%的準(zhǔn)確度。但是沒(méi)有任何一個(gè)計(jì)算機(jī)算法能夠達(dá)到這個(gè)成績(jī)。
　　
　　直到這個(gè)新算法的出現(xiàn)。新的算法依照5點(diǎn)圖片特征，把每張臉圖規(guī)格化成一個(gè)150*120的像素圖，這些特征分別是：兩只眼睛、鼻子和嘴角的位置。
　　
　　然后，算法把每張圖片劃分成重疊的25*25像素的區(qū)域，并用一個(gè)數(shù)學(xué)向量來(lái)描述每一個(gè)區(qū)域的基本特征。做完了這些，就可以比較兩張圖片的相似度了。
　　
　　但是首先需要知道的是到底要比較什么。這個(gè)時(shí)候就需要用到訓(xùn)練數(shù)據(jù)集了。一般的方法是使用一個(gè)獨(dú)立的數(shù)據(jù)集來(lái)訓(xùn)練算法，然后用同一個(gè)數(shù)據(jù)集中的圖片來(lái)測(cè)試算法。
　　
　　但是當(dāng)算法面對(duì)訓(xùn)練集中完全不同的兩張圖片的時(shí)候，經(jīng)常都會(huì)識(shí)別失敗。“當(dāng)圖片的分布發(fā)生改變的時(shí)候，這種訓(xùn)練方法就一點(diǎn)都不好了。”超超和曉鷗說(shuō)到。
　　
　　相反，他們用四個(gè)擁有不同圖片的，完全不同的數(shù)據(jù)集來(lái)測(cè)試“高斯”算法。舉個(gè)例子，其中一個(gè)數(shù)據(jù)集是的Multi-PIE數(shù)據(jù)庫(kù)，它包含了337個(gè)不同的物體，從15種不同的角度，在19種不同的光照情況下，分別拍攝4組圖片。另一個(gè)數(shù)據(jù)庫(kù)叫做LifePhotes包含400個(gè)不同的人物，每個(gè)人物擁有10張圖片。
　　
　　用這些數(shù)據(jù)庫(kù)訓(xùn)練了算法后，他們終讓新算法在LabelledFaces數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試。目標(biāo)是去識(shí)別出所有匹配和不匹配的圖片對(duì)。
　　
　　請(qǐng)記住人類(lèi)在這個(gè)數(shù)據(jù)庫(kù)上的表現(xiàn)是97.53%的度。“我們的“高斯”算法能夠達(dá)到98.52%的度，這也是識(shí)別算法次擊敗人類(lèi)。”超超和曉鷗說(shuō)到。
　　
　　這是一個(gè)令人印象深刻的結(jié)果，因?yàn)閿?shù)據(jù)中的照片包含各種各樣不同的情況。
　　
　　超超和曉鷗指出，仍然有很多挑戰(zhàn)在等著他們?，F(xiàn)實(shí)情況中，人們可以利用各種附加的線(xiàn)索來(lái)識(shí)別，比如脖子和肩膀的位置。“超過(guò)人類(lèi)的表現(xiàn)也許只是一個(gè)象征性的成就罷了”他們說(shuō)。
　　
　　另一個(gè)問(wèn)題是花費(fèi)在訓(xùn)練新算法上的時(shí)間，還有算法需要的內(nèi)存大小以及識(shí)別兩幅圖所需要的時(shí)間。這可以用并行計(jì)算和特制處理器等技術(shù)來(lái)加快算法的運(yùn)行時(shí)間。
　　
　　總之，的人臉自動(dòng)識(shí)別算法已經(jīng)到來(lái)了，而且鑒于現(xiàn)在的事實(shí)，這只會(huì)更快