第五百六十二章,領導的來電(第2/4 頁)
自動識別系統技術,最重要的還是人臉特徵資料庫。
從待註冊人臉影象到人臉檢測,然後到關鍵點檢測,接著就是人臉對齊,然後就是特徵提取,最後才是人臉特徵資料庫。
人臉檢測是指在給定的人臉影象中準確定位出人臉的位置和大小。
只有明確知道被檢測主體的人臉在哪裡,才能開展後續的人臉相關任務。
所以說人臉檢測是人臉相關演算法及工程落地的基礎演算法。
理論上,通用物體檢測演算法都可以直接用來做人臉檢測,只需要改一下輸出類別即可。
通用物體檢測考慮的是更廣泛通用的物體,具有場景複雜多變,物體形狀、背景、大小等都比人臉這種單一的類別更復雜。
人臉檢測雖然類別單一,但也不是那麼簡單,姿態、光照、遮擋以及極小人臉等都是人臉檢測裡面的難點。
基於通用物體檢測演算法基礎,人臉檢測的問題可以針對性最佳化,如錨設定、背景處理、抑制誤檢等。
這個時空的白頭鷹,已經有了早期的人臉檢測演算法,但還是非常淺顯的技術。
比如白頭鷹那邊的演算法就是使用模板匹配技術,即用一個人臉模板影象與被檢測影象中的各個位置進行匹配,確定這個位置處是否有人臉。
而和平島這邊,以及薄扶林道的那個研發中心,早已經研發出來了滑動視窗掃描技術。
此技術便是要對影象進行反覆縮放掃描,得到的影象非常多,而絕大部分視窗都是背景,即人臉是一個稀疏事件,如果能快速的背景影象子視窗排除掉,則能大大提高目標檢測的效率。
所以採用adaboost這樣的級聯分類器進行人臉檢測。
這種思想的精髓在於用簡單的弱分類器在初期快速排除掉大量的非人臉視窗,同時保證高的召回率,最終能透過所有級弱分類器的視窗即認為包括人臉。
除此之外,便是卷積神經網路技術在影象分類問題上取得成功之後,很快被用於人臉檢測。
許多年並不是很清楚這些技術,所以肖一堂他們這些科研工作者,幾乎都是按部就班,慢慢地來。
也正是因為如此,在聽到許多年提及關於人臉識別功能,要新增到手機當中,作為手機解鎖的功能之後,肖一堂他們才會如此臉色大變。
只因為現在還是基於深度學習的人臉檢測,並不算是非常熟練的人臉識別技術。
雖然,這種使用卷積網路進行人臉檢測的方法,在精度上超越之前的adaboost框架,但技術還不是很成熟。
在技術層面,許多年無法提供更多的幫助,能夠給予資金等方面的支援。
“不過我倒是有個小建議,那就是你們可以嘗試研發更加細緻的圖形處理器,用來建立更高水平的人臉檢測演算法技術”
對於許多年的建議,肖一堂他們表示理解,但能否真正實現這樣的技術,還無法確定。
如果是真的有這樣的技術,那麼不僅僅是應用在手機方面,在國防、警察等諸多領域,都會有非常廣泛的應用。
在和平島這邊待了兩天,許多年除了檢視智慧手機之外,也檢視了平板電腦。
總之是有不少電子產品,而這些電子產品,都是未來的風口。
只要拿出去其中一款技術,那麼華興公司、蘋果公司、小靈通公司都能夠原地起飛。
當然,太過跨時代的產品,許多年肯定不會直接拿出來的。
畢竟該賺的錢沒有賺到,對於其他電子產品來說,也不是什麼好事兒。
更別說,跨時代的電子產品,意味著上游產業鏈也需要大規模更新換代。
如果是突然出現這樣的電子產品,沒有一個相
本章未完,點選下一頁繼續。