loading

얼굴인식 개발_태왕테크놀로지

자동 얼굴 인식의 고전적인 프로세스는 얼굴 감지, 얼굴 특징점 위치(얼굴 정렬이라고도 함), 특징 추출 및 분류기 디자인의 세 단계로 나뉩니다. 일반적으로 좁은 의미의 얼굴 인식은 & 인용; 특징 추출 분류기 & 인용; 알고리즘 연구의 두 부분. 딥러닝이 등장하기 전에는 얼굴 인식 방법은 일반적으로 고차원 인공 특징 추출(예: LBP, Gabor 등)과 차원 축소의 두 단계로 구분되었습니다. 대표적인 차원 축소 방법에는 PCA, LDA와 같은 부분공간 학습 방법과 LPP와 같은 인기 있는 학습 방법이 있습니다. 딥러닝 기법의 대중화 이후, 대표적인 기법은 원본 이미지 공간에서 판별식 얼굴 표현을 직접 학습하는 것이다. 일반적으로 얼굴 인식의 연구 역사는 세 단계로 나눌 수 있습니다. 1단계(1950년대~1980년대)에는 얼굴 인식이 일반적인 패턴 인식 문제로 여겨졌다. 주류 기술은 얼굴의 기하학적 구조를 기반으로 했습니다. 두 번째 단계(1990년대)에는 얼굴 인식이 빠르게 발전하여 고유면, 피셔 얼굴, 탄성 그래프 매칭과 같은 많은 고전적인 방법이 등장했습니다. 이 때 주류 기술 루트는 겉보기 모델링입니다. 세 번째 단계(1990년대 말부터 현재까지)에서는 얼굴 인식에 대한 연구가 심화되고 있다. 연구원들은 실제 상황에 직면한 얼굴 인식에 주목하기 시작했는데, 주로 다음의 네 가지 측면을 포함합니다. 3D 정보에. 2) 조명 불변 얼굴 인식, 포즈 불변 얼굴 인식 및 표정 불변 얼굴 인식을 포함하여 얼굴 인식에 영향을 미치는 요소를 심층 분석 및 연구합니다. 3) 로컬 디스크립터(Gabor face, LBP face 등) 및 딥 러닝 방법을 포함한 새로운 기능 표현이 사용됩니다. 4) 비디오 기반 얼굴 인식 및 스케치 및 근적외선 이미지 기반 얼굴 인식과 같은 새로운 데이터 소스 사용. 2007년부터 LFW 데이터베이스는 실제 조건에서 얼굴 인식을 위한 테스트 벤치마크가 되었습니다. LFW 데이터세트에는 인터넷에서 가져온 5749명의 얼굴 이미지가 13233개 포함되어 있으며 그 중 1680명이 2개 이상의 이미지를 가지고 있습니다. LFW의 표준 테스트 프로토콜에는 6000쌍의 얼굴에 대한 10배 확인 작업이 포함됩니다. 각 폴드에는 300쌍의 긍정적 예와 300쌍의 부정적 예가 포함됩니다. 10배 평균 정확도가 성능 평가 지표로 사용됩니다. LFW 출시 이후 지속적으로 성능이 새로워졌습니다. 2013년 이전의 주요 기술 경로는 인공 또는 학습 기반 로컬 디스크립터 측정 학습이었습니다. 2014년 이후 주요 기술 루트는 심층 학습입니다. 2014년부터 딥 러닝 빅 데이터(대량 라벨이 붙은 얼굴 데이터)는 얼굴 인식 분야에서 주류 기술 경로가 되었습니다. 두 가지 중요한 추세는 다음과 같습니다. 1) 네트워크가 더 커지고 깊어집니다(vggface16 계층, facenet22 계층). 2) 데이터의 양이 증가함에 따라(딥페이스 400만, 페이스넷 2억), 빅데이터가 얼굴인식 성능 향상의 핵심이 되었다. pre DL 시대 vipl lab의 3세대 및 half SDK를 예로 들면, 핵심 기술 포인트는 1) 블록면 기능 융합: Gabor 기능 LPQ 기능입니다. 2) 특징 감소를 위한 부분 공간 학습(PCA LDA). 3) 다중 스케일 얼굴 정규화 템플릿의 융합. sdk3.5의 관련 기술은 FRGC 실험 4에서 0.1% 오류 수락률 조건에서 96%의 확인률을 달성했으며, 이는 여전히 FRGC 데이터 세트에서 최고의 결과입니다. 딥 러닝은 기능 학습을 강조하지만 학습 기능은 DL의 특허가 아닙니다. DL 이전 시대에는 얕은 모델을 사용하여 이미지에서 표현을 직접 학습하고 인공 기술어(예: 중간 수준의 속성 표현을 학습하기 위한 속성 및 직유 분류기, 고급 의미 표현을 학습하기 위한 Tom vs Pete 등)를 기반으로 의미론적 표현을 학습하는 작업 ) 관련 문헌에서 볼 수 있습니다. 2014년에 Facebook은 cvpr14에 작업을 게시했습니다. Deepface는 LFW 데이터 세트에서 인간 인식 정확도에 접근한 딥 컨볼루션 네트워크와 빅 데이터(4백만 개의 얼굴 데이터)를 결합했습니다. Deepface는 또한 각 공간 위치에서 별도의 컨볼루션 커널을 학습하기 위해 로컬 연결된 컨볼루션 구조를 도입합니다. 단점은 매개변수 확장으로 이어진다는 것입니다. 이 구조는 나중에 유명해지지 않았습니다. 디피드패밀리는 DL시대 안면인식 분야의 대표적인 작품군이라고 할 수 있다. 최초의 deepid 네트워크는 4개의 컨볼루션 레이어를 포함하고 softmax 손실 함수를 채택했습니다. Deepid2는 deepid2 네트워크를 기반으로 신원 손실과 검증 손실을 모두 고려합니다. 이 두 가지 손실은 Caffe 딥 러닝 프레임워크에서 각각 softmaxwithlos 레이어와 대비 손실 레이어를 사용하여 실현할 수 있습니다. Deepid2 네트워크는 deepid2(deep supervised network와 유사)를 기반으로 각 계층의 보조 손실 함수를 추가합니다. Google은 cvpr2015에 작업을 게시했습니다. Facenet은 22개의 딥 컨볼루션 네트워크와 방대한 얼굴 데이터(800만 명 중 2억 개의 이미지)와 이미지 검색 작업에서 일반적으로 사용되는 삼중 손실 기능을 사용합니다. 얼굴 카테고리의 수가 800만 개에 달하기 때문에 softmax loss를 사용하면 출력 레이어 노드의 수가 800만 개에 도달하고 최소 32GB의 비디오 메모리가 필요하다는 점을 언급할 가치가 있습니다(마지막 은닉 레이어 노드가 1024, 단정밀도 부동 소수점 수 사용) 그러나 삼중항 손실은 추가 비디오 메모리를 차지할 필요가 없습니다. Facenet의 LFW 데이터 세트에 대한 10% 할인의 평균 정확도는 99.63%에 이르며, 이는 공식적으로 발표된 지금까지 발표된 논문 중 최고의 결과이기도 하며, 2008년부터 2015년까지 LFW에 대한 8년간의 성능 경쟁이 거의 종료되었음을 알립니다.

얼굴인식 개발_태왕테크놀로지 1

우리와 연락을 취하십시오
추천 기사
사례
lpr 주차 솔루션의 도입 사람들이 이해해야 하는 많은 것들을 작성할 때 매우 복잡한 문제를 살펴봐야 합니다.
lpr 주차 솔루션의 도입Lpr 주차 시스템은 이제 모든 종류의 자동차와 경트럭에 설치됩니다. 그들은 다양한 산업 분야에 설치되었습니다.
lpr 주차 솔루션 소개섹션에서 '주차 솔루션 소개'에 초점을 맞춘 'lpr 주차 솔루션 소개'라는 제목의 블로그 단락
lpr 주차 솔루션을 구매하기 전에 고려해야 할 중요한 요소는 무엇입니까?저는 사무실용 주차 장비를 얼마 전부터 구매해 왔습니다. 유일한
lpr 주차 솔루션 소개대부분의 경우 누군가가 장치에서 둘 이상의 버튼을 사용해야 하는 경우 가장 일반적으로 사용하는 버튼을 선택합니다.
lpr 주차 솔루션이란 무엇입니까?대부분의 사람들은 주차 시스템에서 원하는 것이 무엇인지 모릅니다. 많은 시간 그들은 단지 같은 장소에 주차하고 h
lpr 주차 솔루션의 도입주차장 및 주차장 기계는 차에서 먼지와 낙엽을 제거하는 유일한 수단입니다. 볼라드나 스마트를 설치하여
lpr 주차 솔루션의 도입현대 세계의 발명은 아주 오래되었습니다. 기술과 진보의 역사는 길고 다양합니다. 그것은 adva를 보았다
Lpr 주차 솔루션 소개Lpr 주차 시스템은 대중교통을 이용하는 사람들의 삶의 질을 향상시키도록 설계되었습니다. 유일한 문제
lpr 주차 솔루션 소개이것은 많은 분야에서 고품질 결과를 얻는 잘 알려진 방법입니다. 를 예측하는 방법으로도 알려져 있습니다.
데이터 없음
Shenzhen Tiger Wong Technology Co., Ltd는 차량 지능형 주차 시스템, 번호판 인식 시스템, 보행자 출입 통제 개찰구, 얼굴 인식 단말기 및 LPR 주차 솔루션 .
데이터 없음
CONTACT US

심천 TigerWong 기술 Co.,Ltd

전화:86 13717037584

이메일: info@sztigerwong.com

주소: 실리콘밸리 파워디지털산업단지 A2빌딩 1층 22 Dafu Road, Guanlan Street, Longhua District,

심천, 광동성, 중국  

                    

저작권©2021 심천 TigerWong 기술 Co.,Ltd  | 사이트맵
Contact us
skype
whatsapp
messenger
contact customer service
Contact us
skype
whatsapp
messenger
취소
Customer service
detect