人脸识别技术在亚投行工程中的应用

<正>1概述人脸识别是人工智能(Artificial Intelligent,AI)领域中机器视觉的重要研究方向,随着AI领域机器深度学习算法的研究成果的应用得到迅猛发展。亚洲基础设施投资银行总部永久办公场所项目(以下简称亚投行),建筑面积约39万平方米,位于     

基于深度学习的人脸识别研究

基于深度学习的人脸识别技术是目前人工智能和图像领域研究的热点之一,尤其随着近年来深度神经网络的发展,人脸识别的准确性和有效性得到了极大的提高。文章首先简要阐述了人脸识别技术的研究和发展历史,接着叙述了人脸识别的技术流程,随后详细介绍了在人脸识别中常用到的卷积神经网络。由于各大企业在人脸识别领域取得丰硕的研究成果,因此,也对人脸识别的产品和公司进行了简单介绍。最后,对人脸识别技术存在的不足和发展前景进行了总结和展望。     

深度学习在计算机视觉分析中的应用

文章首先分析了计算机视觉和深度学习的基本概念,对深度学习在计算机视觉分析领域的利用进行分析。     

基于图像块的人脸检测方法的研究

近些年来,在图像处理和计算机视觉领域,人脸自动检测引起许多学者的关注。它是诸如人脸跟踪、人脸识别、人脸检索等应用的前提和基础。同时由于它的准确性和有效性直接影响这些系统的应用,也被认为是人脸识别系统得以实际应用的关键技术。本文在介绍国内外人脸检测研究进展的基础之上,详细讨论了基于图像块的人脸检测方法。     

浅谈基于神经网络深度学习算法的人脸识别技术

随着人工智能的快速发展,如何准确、有效地识别用户身份,提升信息安全成为一项重要的研究课题。本文将对人脸识别技术进行解析,浅谈采用神经网络深度学习算法的人脸识别技术在城市智慧治理中的应用。     

基于深度学习的人脸大数据系统应用

随着科学技术的快速发展,人工智能产品的研发使得公共安全部门的技战法得到极大丰富。由于人脸识别技术具有友好性、高并发性、隐蔽性等许多其他生物识别技术不具备的优点,因此,人脸识别应用有不可比拟的优势。通过比对其他人像识别算法,得到基于深度学习的人像识别技术更贴合人脑的视觉机制,继而设计集静态人像比对和动态人像比对的为主要功能的人像大数据应用系统。     

人脸识别中的损失函数

人脸识别已经成为计算机视觉领域最热门的应用之一,在我们身边,到处都有人脸识别的技术。人脸识别算法主要包含人脸检测(Face Detection)、人脸对齐(Face Alignment)、人脸特征表征(Feature Representation)。这篇文章将详细介绍在人脸识别中用到的各种损失函数以及在主要人脸数据集上的测试结果。     

深度学习模型与成对分类相结合的人脸识别新算法

针对深度学习人脸识别系统样本数据中存在干扰时会腐化分类边界,导致识别率下降,提出了一种改进的深度学习模型,将成对分类概念引入到深度学习中,提升人脸识别系统对于噪声、腐化、变化的鲁棒性。采用深度信念网络模型,将人脸图像送入深度学习模型中逐层训练网络,在参数微调阶段采用改进的成对BP神经网络进行参数优化,在输出层与前一隐含层之间采用成对连接。在ORL、Extended Yale-B的实验结果表明,所提算法与传统的深度学习算法相比,构造的系统更稳定,算法识别率更高,系统在存在干扰的人脸图像中鲁棒性更强。     

深度学习技术在医学影像领域的应用

深度学习技术,作为最近几年人工智能最热门的研究领域,已成为全世界关注的焦点。深度学习在很多行业中展现出强大的应用能力,在某些视听识别任务中的表现甚至超越了人类。在医学领域,深度学习也逐渐成为研究者们分析大数据,尤其是医学影像的首选方法。本文简要介绍深度学习的历史与概况,结合国内外最新和最有影响力的研究成果,阐述深度学习在医学影像领域的科学研究进展,同时介绍深度学习在医学影像领域产品化应用及其未来的机遇与挑战。     

人工智能在机器翻译领域的应用

21世纪技术领域的重大变革使"人工智能"一词逐渐为我们耳濡目染,这无疑是一个很宽泛的话题。从几乎人手必备的智能手机到无人驾驶汽车的试运行,当今我国人工智能在人脸识别、语音识别、安防监控、智能音箱、智能家居等领域均走在国际前沿,无一不令人叹为观止。深度学习即成为当下热门研究领域,文章以该领域下的一个重要应用分支—机器翻译为实例,探讨人工智能的发展现状、技术特点以及当前存在的一些弊端。