人脸识别

↑↑↑关注后" 星标 "Datawhale 每日干货 & 每月组队学习 ，不错过 Datawhale干货 作者：安晟，Datawhale成员，CV算法工程师 最近看了很多人脸识别loss相关和GAN相关的paper，但是没有提纲挈领的把这些串起来。于是， 一个小姐姐分享给我了这篇论文，阅读了一下，确实比较经典，很全面。在这里，将论文内容结合我自己 的理解和在工作中进行的探索展开，分享给大家。 论文背景 论文题目： Deep Face Recognition: A Survey 论文地址： https://arxiv.org/abs/1804.06655 论文代码： 综述文章，无代码 分享大纲 1. 人脸识别基本概念 主要场景、评价指标、系统基本流程及发展历史 2. 代表性文章串讲 DeepFace、FaceNet、CenterLoss 3. 如何搭建一个人脸识别系统 人脸识别基本概念 两个主要场景：人脸验证/人脸比对，人脸识别 评价指标： Acc，FAR-TAR，ERR 一个人脸识别系统的基本流程：人脸检测-预处理-人脸表示-匹配 DeepFace 论文背景 ： DeepFace：Closing the Gap to Human-Level Performance in Face Verification DeepFace是CVPR2014上由FaceBook提出来的

下面这张据说是最多人自拍的照片里面有1000个人。 百度的人脸检测技术成功找到其中880个人。这个的确考验眼神，让人来数的话，估计拿着放大镜也数不清。 这还是2018年底的成绩，估计现在又厉害了一截。这就今天我们讨论的问题。 人脸检测现在应用已经非常普遍，但是背后的技术原理还是很有意思的。比如大家用手机照相时候，应该注意到了相机能够自动检测到人脸。 首先要稍微区分一下人脸检测和人脸识别两个概念，非常相关又略有不同: 人脸检测： 当前照片里，哪些部位是人脸？ 人脸识别: 当前照片里面的人是谁？手机照片自动归类就用到了这个技术。 1. 从人工智能大的方面来说，这两个问题很好统一。其实就是给定输入变量X （照片），模型自动给出结果Y。这个Y可能不同，比如1）是不是人脸？2）谁的人脸？3）这个人年纪多大？）。 简答来说，人工智能模型是解决一个方程： X * W = Y 其中W就是模型要学习的一系列参数。参数学好了，就能成功的把输入变量映射到我们想要的输出变量。 1)对于人脸检测问题来说，X是照片的各个像素值，包括3个通道的颜色。图像在计算机中的存储方式是数字矩阵对应像素点阵，比如1024×768等。而每个像素点是用数值来表示RGB或者黑白灰。而Y就是人脸框框的四个坐标值。 2)对于人脸识别问题，就是判断这个人和谁是同一个人时候，X输入同上，而Y是一长串特征值向量

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。随着 人脸识别技术 的发展，在不同的实际应用场景会有不同的种类，比如说 静态人脸识别和动态人脸识别 ，可应用在不同的场景中。这两者有哪些区别呢？ 静态人脸识别 需要人们配合的人脸识别，可称为静态人脸识别。即是指人在特定的区域进行识别，而静态人脸识别对角度、距离、位置的要求都比较高。它具有的特点就是用户容量小，比较适合一些公司考勤之类的使用。因为是静态的，所以这类型的产品价格相对而言比较便宜，但图形识别率较高。一般能应用在人脸考勤、门禁、人脸识别闸机、认证身份核验等场景。 动态人脸识别 不需要人进行配合，完全无感式的人脸识别，可称为动态人脸识别。即是指不限制范围，只要出现在人脸识别系统范围内，都可以自动识别。就是说当人进入人脸识别系统范围内，以自然的形态走过去，摄像头会进行信息的抓拍和采集，并发出相应的指令，进行动态人脸识别。动态识别的人脸识别技术识别快、准确率高、用户容量大。通常是应用在人脸布控、人员预警等安防场景。 其实，无论是静态人脸识别还是动态人脸识别都有我们不可忽视的重要性，现在人脸识别应用广泛，可应用在企业、学校、工地、安防、商业、金融等多个领域以及场景。 来源： oschina 链接： https://my.oschina.net/u/4343937/blog/4496756

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 文 | 特约观察员 顾夏辉 安涛 编辑 | 刘子晴 人工智能落地现状 2020年人工智能依然是一个非常热的话题。中美的科技巨头以及很多跨国企业都把人工智能作为其战略发展的重要布局，国家层面也出台政策重点发展人工智能产业。2019年，中国人工智能专利申请量排行世界第一，累计申请量44万余件，中国已超过美国成为人工智能领域专利申请量最高的国家。 但是与公众关注和各方支持的力度相比，人工智能技术的落地速度并没有达到人们的预期。目前人工智能集中于新零售、智能制造、智慧农业、医疗健康、智慧城市、营销和教育等产业，超过50%的赋能实体为安防。预计到2022年，人工智能赋能实体经济仅能达1600亿。对于40万亿的市场而言，人工智能还远远没有落地。 如何才能加快人工智能的落地速度？在这个问题之前，首先要明确人工智能技术是否重要、重要到什么程度。 人工智能带给我们的是什么？ 一句话，科技带给人类发展的核心是对资源的优化。 蒸汽机的出现，使机器代替了手工劳动，一部分人从重复劳动解放出来，转为管理、运营和科研工作；电力的出现，推动企业间竞争的加剧，促进生产和资本的集中，产生了垄断；互联网的出现，使得人们节省大量获得信息的资源，整合企业的管理和策略工作。 如果人类想继续进行对资源和成本优化

作者：老豚晕糖 链接：https://www.zhihu.com/question/22763548/answer/32164117 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 什么性格的人适合做Quant?性格划分不好说，我只能说说做阿尔法的，从需求出发，具有什么能力的人适合做Quant吧。简单地讲，就是： 第一，学习能力，是超强的跨学科背景的文献的自学能力。 英文文献的学习能力要我觉得要达到这个程：完全没有学科背景的十来页的理论文献（原始idea式的），一周能抓个大概，找出方向，找到可以借鉴的地方，然后在接下来一到三个月能给出实现的方法，解决问题。文献理解能力+实现验证能力，这个可以算难，也不太算难。对于什么专业适合做Quant？这样的问题，其实很简单，什么样的人能做到上面的程度就是适合做Quant的人。当然啦，学理论物理出身的人（比如我自己）会有些天然优势，再奇葩的公理体系和最新的理论框架我们都见怪不怪了，跨届到数学、物理、编程、数据挖掘又有什么难的呢，呵呵。 第二，寻找问题的能力（市场直觉） 只要在这行，面对的最终问题只有一个，如何顶着风险在未知中赚钱。永远要解决现有的工具和赚钱能力这个问题。Quant只是一条途径，一种工具（如果此生誓为他人做嫁衣，那.....也醉了）。提高自己赚钱能力的出发点就是（在担当未知的风险下

截至2019年底，我国人工智能核心产业的规模超过510亿元，人工智能企业超过2600家。与此同时，AI+制造、交通、商圈、文旅、政务、园区、金融等一批应用场景也在全力打造中。不少人工智能企业正紧抓“AI+新型基建”的契机展开卡位赛。我国逐步走出了一条由需求导向引领商业模式创新、市场应用倒逼基础理论和关键技术创新的发展路径。 几年前还经常存在于新闻或者故事中的人工智能技术，现如今已普遍走进的我们的生产生活中，比如手机中的智能语音助手、解锁时的人脸识别等。 在今年突发新冠肺炎疫情期间，人工智能技术在抗疫过程中发挥着重要作用，产业发展明显提速。人工智能测温结合人脸检测和红外热成像技术，通过精确定位人脸满足“大规模人群”的远距离测温，实现快速、大面积安全排查，提升效率、节约人力的同时还大大降低一线工作人员被感染的风险；智能机器人承担部分预诊、巡房、递送、消毒等大量简单却又耗力的流程化工作，减少医护人员工作量、降低医患交叉感染风险，同时也节约了医疗资源；肺炎诊断人工智能系统平台能够快速响应并给出诊断报告，帮助医生更快排查筛选“高度疑似肺炎患者”，减少患者的排队时间和院内交叉感染的风险；“智能语音外呼平台”帮助基层社区开展疫情排查等工作。一对一电话呼叫、收集信息、形成报告，一小时最多可外呼5000个以上的电 号 ，效率超人工1000倍；科技公司向科学家开放AI算法资源，大大提升了病毒分析

网址： deepinsight / insightface 环境准备： （1）GPU，由于要用到GPU，所以GPU的环境比较重要。先要安装GPU的驱动，相应的教程，我在前几篇博客里写到，这里不再说明。 需要说明的是，如果你换过内核版本了，有些内核源码没有，CUDA10，9之间的区别，你需要重新安装内核DEV版本，这样在安装GPU驱动的时候，就会源码可以被驱动使用，这样才可以成功安装GPU的驱动。 （2）使用anaconda . 一般情况下，我们安装2.7. 需要其它环境，再安装。 在很多机器学习的教程里，我们看到了它使用2.7. 比如这个insightface的工程，其实可能是最初始的时候，他使用了2.7，但后来，很多优秀的模块构建在新的版本之上 ，其它很多依赖的环境都变化了； 但也不能最新3.7，因为很多要用的模块都还来不及构建。 所以比较合适的选择是3.6. conda install 在无法找到要安装的模块时，anaconda search -t conda 去寻找；注意选择与你环境相符合的版本。 当然如果你选择了3.6，一般情况下都是有的。 环境非常重要，足可以让你浪费很长的时间，做到如上两点，应该可以清晰搞定环境 。 工程理解 https://github.com/deepinsight/insightface.git 对于工程的理解

2020-8-7 记录10.1.99版本的支付宝Xposed心得（一） 市场上现在都是10.1.38版本的支付宝，那个版本并没有人脸识别功能，所以针对那个版本的代码需要升级，不然你好多莫名其妙的操作失败。其实这个版本支付宝官方也是盯着的，作为程序员角度思考，你会不会重点风控这个版本？我就记录下如何通过10.1.38版本的代码升级到最新版本的过程，并结合相关案例介绍：1个案例是如何最新版本拉取二维码和自动回调（也就是所谓的收款）第2个案例是 自动转账给支付宝用户或者银行卡（也就是所谓的代付）。 声明 技术研究而已，请勿用于非法用途，由于都是朋友请我帮忙升级的，仅仅介绍下基本思路和部分代码，抛砖引玉而已，请勿索要完整项目代码。有什么疑问可以企鹅 1900759999 尽量回复，请注意，别人没义务帮你，回不回你消息全凭我愿意。。。。 本文共计划分为3篇简述 第一篇原理 第二篇 支付码案例 第三篇 代付案例 原理篇 支付宝其实从10.1.6几开始就几乎没啥大的变化，安全防护进行了升级，但是几乎稍微改改就可以过了，升级10.1.38的版本，可以结合源码用jadx-gui打开两个版本去仔细比较，这里提醒下，由于支付宝是一款金融产品，并不是为了防止你破解啥而存在的，所以很大程度上，功能不会很大变化，但是变化肯定是有的，根据后面讲解的方法，有点耐心还是能完美升级到最新版本的 在vx里面的效果

5G，即第五代移动通信技术，由于其对新兴技术的潜在影响，已经成为各行各业的热门话题，尤其是描述连网设备的开发、制造和使用的物联网( IoT )领域。 　　这些设备包括从小型心率监视器到自动驾驶汽车、智能家电、智能工厂设备等。它们共同使用传感器、芯片和处理器来收集、传输和分析数据，同时与网络上的其他设备进行交互。 　　虽然到目前为止运营商已经在广泛的开展5G基站的布设工作，但是由于我国地域广阔，很多地方还没有5G网络，因此将借助5G CPE工业网关对5G信号进行二次中继，扩大5G网络的覆盖范围，保持5G信号传输的稳定性，方便对采集数据进行实时稳定传输是十分必要的。 计讯物联5G CPE无线网关除了具备5G网络的二次中继功能外，还可对设备进行二次开发，具有强大的边缘计算和协议转换能力，保障数据的准确传输。 计讯物联5G千兆工业网关/CPE具有高速率、大连接、低延时、广覆盖的特点。支持5G网络、千兆速率可同时高速传输大数据/视频/图片等数据。采用无损加密传输技术，让数据传输更快速、更安全。 　　 具有的八大强项为设备远程监控提供坚实后盾： 1、计讯物联5G千兆CPE具备远程开关控制(开关量、模拟量控制) 2、远程视频监控(视频监控、图像监控) 3、设备远程告警(故障、异常告警) 4、设备远程添加(设备新增、设备替换) 5、远程数据采集(数据采集、并发接入) 　　 6、设备远程控制

背景   继上篇博文说了如何快速集成扫码以后 我又上官网去了解了一下其他的功能，其中机器学习服务是当下比较火的，而且还是免费的。就赶紧点进去学习一下。看看能够快速实现哪些功能。 链接在这里： https://developer.huawei.com/consumer/cn/doc/development/HMS-Examples/ml-samplecode-4 华为HMS机器学习服务代码下载链接： https://developer.huawei.com/consumer/cn/doc/development/HMS-Guides/ml-introduction-4   注意：上面链接中的代码无法直接被调用，需要配对应的agconnect-services.json才可以使用。为了方便起见，我将我账号的注册的json文件共享出来，下面会有哦~ 能力介绍   里面分为人脸识别，图像分割，文本检测，翻译，目标检测，物体识别，地标识别，语音识别，好像在接下来还会推出拍照购物，姿势检测等一系列新功能。 构建工程   安卓装机等前期步骤详细可以参开我的上一篇博文android 超简单集成快速扫码： https://blog.csdn.net/weixin_38132951/article/details/104797443 1 配置校验   在上一篇中，由于扫码是纯端侧的服务