這不是石建萍第一次來CVPR了。過去這八年,她幾乎沒落下過一屆,倒也習(xí)慣了每年辦一次美國(guó)簽證。只不過,這么多年以來,參加CVPR的身份卻在不斷變化:從一個(gè)本科生,到博士生,到研究員,再到如今商湯科技的研究總監(jiān)。 她今年帶來了五篇CVPR論文,其中一篇Oral和兩篇Spotlight,這個(gè)數(shù)量已經(jīng)算是相當(dāng)出色。商湯科技今年也破紀(jì)錄地入選了44篇論文,僅次于谷歌的45篇。工業(yè)界的一家公司有40多篇論文入選CVPR,這在過去絕對(duì)是難...
人臉識(shí)別產(chǎn)業(yè)鏈上游為基礎(chǔ)層,包括人工智能芯片、算法技術(shù)和數(shù)據(jù)集;中游由視頻人臉識(shí)別、圖片人臉識(shí)別和數(shù)據(jù)庫(kù)對(duì)比檢驗(yàn)等技術(shù)層構(gòu)成,大體包括人臉檢測(cè)、活體檢測(cè)、人臉識(shí)別、視頻對(duì)象提取與分析等技術(shù);下游則是具體的場(chǎng)景應(yīng)用,即應(yīng)用方案、消費(fèi)類終端或服務(wù)等。下游以攝像頭為主的硬件采集端和應(yīng)用端采集人臉數(shù)據(jù),為數(shù)據(jù)集豐富數(shù)據(jù),對(duì)于基礎(chǔ)層算法的更新迭代形成正反饋。 目前,國(guó)外巨頭公司大多呈現(xiàn)全產(chǎn)業(yè)布局的特征,即上中下游均有...
誤報(bào)率(False Negative)是指本來是負(fù)樣例(兩張不同人的人臉),但分類成了正樣例(算法認(rèn)為是同一個(gè)人),通俗地講可以稱之為「報(bào)警錯(cuò)誤」?！笀?bào)警錯(cuò)誤」的次數(shù)/總次數(shù),得出的數(shù)據(jù)即為誤報(bào)率。在誤報(bào)率相同的情況下,識(shí)別準(zhǔn)確率越高,則表示技術(shù)的性能越好。 人臉識(shí)別精度的提高,意味著在特定場(chǎng)景下用戶將獲得更好的體驗(yàn),以及單位工作時(shí)間內(nèi)效率低大幅提升,比如在銀行場(chǎng)景下的顧客會(huì)獲得更好的體驗(yàn),公共安防領(lǐng)域的一線警務(wù)人員的無效工作...
有「工業(yè)界黃金標(biāo)準(zhǔn)」之稱的美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院(National Institute of Standards and Technology,NIST)最近公布了全球人臉識(shí)別算法測(cè)試(FRVT)結(jié)果 FRVT 2018,目前全球工業(yè)界最好水平的人臉識(shí)別技術(shù),在百萬分之一誤報(bào)下的準(zhǔn)確率達(dá)到 99.3%,千萬分之一誤報(bào)下的準(zhǔn)確率已經(jīng)接近 99%。 誤報(bào)率(False Negative)是指本來是負(fù)樣例(兩張不同人的人臉),但分類成了正樣例(算法認(rèn)為是同一個(gè)人),通俗地講可以稱之為「報(bào)...
隨著人工智能(AI)技術(shù)的廣泛應(yīng)用,確保AI技術(shù)沒有偏見變得越來越重要。IBM計(jì)劃發(fā)布一個(gè)大型的、無偏見的人臉圖像數(shù)據(jù)集,以推動(dòng)無偏見的人臉識(shí)別研究。 與以往相比,人類社會(huì)對(duì)人工智能系統(tǒng)中的偏見問題更加關(guān)注,尤其是用于識(shí)別和分析人臉圖像的系統(tǒng)。在IBM,科研人員采取以下措施來確保以負(fù)責(zé)任的方式來創(chuàng)建并訓(xùn)練面部識(shí)別技術(shù): (1)導(dǎo)致面部分析領(lǐng)域出現(xiàn)偏見的最大問題之一是缺乏訓(xùn)練系統(tǒng)的各種數(shù)據(jù)。因此,科研人員打算在2018年...
