1、人脸识别关键技术及最新进展 刘 军,2017年1月6日,报告提纲,人脸识别进展,人脸识别系统框图,图像采集,人脸检测,特征训练,特征提取,匹配结果,人脸配准,预处理,人脸数据库,特征数据库,人脸识别进展,深度学习+大数据,图片数量(200 vs 5); 个体数量(800 vs 2 ),人脸识别进展,个体数目和图片数目同等重要 2008年公安部一所千万级大规模人脸识别评测 无法检测到很多高清晰图像中的人脸 基于数据的人脸识别的弊端 对于训练集合中没有的样本往往束手无策,谷歌照片应用误把黑人标记成“大猩猩”,普通大众,人脸识别进展,个体数目和图片数目同等重要 2008年公安部一所千万级大规模人脸识
2、别评测 无法检测到很多高清晰图像中的人脸 明星、名人vs普通大众,明星、名人 浓眉大眼、五官端正,报告提纲,人脸检测,基于深度分割的人脸检测方法 背景比较单一，前景具有一定相似性,普通大众,明星、名人 浓眉大眼、五官端正,人脸检测,基于深度分割的人脸检测方法 背景比较单一，前景具有一定相似性,前景,背景,人脸检测,基于深度分割的人脸检测方法 背景比较单一，前景具有一定相似性 百度图像分割大赛,人脸检测,基于深度分割的人脸检测方法 背景比较单一，前景具有一定相似性,人脸检测,不同遮挡程度下的人脸检测,人脸检测,不同遮挡程度下的人脸检测 并不完全依赖于表像和结构信息 能够预测训练集合中没有的数据
3、具有较快的计算速度-1000帧/秒,人脸检测,漏检，误检,人脸检测,报告提纲,人脸对齐,目前在在主流数据库上，我们得到了优于其他最新算法的实验结果，速度可以达到每秒6800帧，（cpu：i7-4790k，多线程：启用，模型大小：3.28M） 和目前主流方法比较：,报告提纲,弱监督人脸识别,数据整理 来源 网络爬虫（百度，谷歌图片，Flickr） 人工采集 干扰因素 特征点标注不准确 数据不纯净,弱监督人脸识别,解决方法 筛选人工辅助标注,基于深度网络的人脸识别方法识别结果,弱监督人脸识别,技术上仍然有很大提升空间,弱监督人脸识别,我们算法是目前 基于深度学习的商 用算法中速度最 快的。,弱监督人脸识别,技术特点：对光照、姿态、表情、年龄变化等因素影响均具有很好的鲁棒性。,衷心感谢各位专家！ 敬请批评指导！,
