近日,主题为《探秘人脸识别》,北京飞搜科技&北邮学术论文研讨会第一期的活动圆满成功。
北京飞搜科技算法工程师郭宇从人脸识别领域的常见问题、人脸识别技术的发展史、当前热点和论文讲解这几点出发进行演讲,给场下的“researcher”们提供了一个更加广阔的思考平台,也能让准备涉足人脸识别领域的同学们有一个明确的方向。
首先,郭宇通过对比人眼中的人脸和机器理解的人脸来引出人脸识别是如何被应用到计算机视觉领域,通过将一张人脸转化成一串数字并从中找到一些规律来让每个人脸有一个独一无二的特征码,通过这些特征我们能够做到生活中常用的人脸验证以及人脸辨识,能让这些繁琐的工作由电脑来完成,并能保证一个很高的准确率,这让我们的生活变得更加智能。
接着郭宇通过讲述技术的发展历程来引出深度学习作为人脸识别解决方案首选的“三大法宝”:数据、网络、机器。正是由于这些因素的不断进步,才让人脸识别技术能在厚实的土壤中逐渐茁壮成长,到现在成熟地应用在各个领域。
看完人脸识别技术的历史,我们也得关注他未来的发展方向,接着郭宇便向我们展示了人脸识别当前的几个热点:视频人脸序列识别、one shot/low shot 学习、大姿态人脸识别、复杂情景匹配。通过这些热点,同学们也能在选择这条道路的时候有一个清晰的方向。
接下就是本次沙龙的重头戏了,郭宇经过精挑细选选出了 10 篇特别具有代表性的论文,在给出一些对这些论文简介之后,,郭宇留给场下的嘉宾和观众们一个讨论的空间,以小组的形式来向郭宇提出自己心中的一些疑惑。经过一个短暂而又激烈的讨论后,各个小组踊跃提出问题,郭宇也一一为同学们解惑,在郭宇耐心的讲解下,一个又一个问题被解答。在提问环节过后,本次沙龙也接近了尾声,由本次嘉宾北京飞搜科技首席科学家董远教授亲自为郭宇颁发礼品。
北京飞搜科技(http://www.faceall.cn/)成立于2015年5月26日,公司专注于人工智能,计算机视觉和深度学习的研发,并把研究成果应用到城市运营中,让城市更加安全,交通更加高效,生产更加智能、购物更加方便。公司力争在2020年底成为国内领先的智慧城市解决方案提供商。
作为全球领先的深度学习技术提供商,北京飞搜科技是国家高新技术企业、中关村高新技术企业、北京市软件企业。公司已经申请了近50件发明专利,50件商标,获得20项软件着作权和多项行业认证的标准。公司的核心团队来自诺基亚、法国电信、富士通、微软、英特尔等世界500强企业,具有海外的工作经历和国际视野,以及多年的管理、开发和服务经验。在2016年,公司获得合肥华颖兴智基金(华米科技控股)的天使轮投资,在2017年,获得青岛鼎源千万级PreA轮融资,目前估值过亿。北京飞搜科技(http://www.faceall.cn/)不但提供智慧城市解决方案,还通过阿里云,华为云,amazon平台, 为企业与个人提供人脸/图像识别的SAAS服务; 离线SDK技术授权服务等。公司已经服务了200多家客户,包括中国移动、中国联通、中国电信、华为、台湾广达等国内客户,以及土耳其、科威特、新加坡、捷克、法国等多个国家的企业客户,为他们提供视频监控、智能鉴黄、人脸识别、图片识别、无人驾驶,线上购物支付、机器人等技术支持。
好文章,需要你的鼓励
TechCrunch Disrupt 2025 AI舞台将汇聚塑造科技未来的领军人物,顶尖风投将揭示在快速变化的AI领域获得融资的关键。来自Apptronik、ElevenLabs、Hugging Face、Runway等创新企业的领导者将分享前沿洞见,探讨AI如何重塑创意过程、改变物理世界、变革国防安全和重新定义人际关系。10月27-29日,五大主题舞台将在旧金山呈现科技创新的未来图景。
西班牙研究团队提出了一种创新的AI自我纠错方法SSC,让人工智能学会识别和修正规则中的漏洞。当AI发现自己在钻空子获得高分时,它会反思规则的合理性并主动改进。实验显示这种方法将AI的"钻空子"行为从50-70%降低到3%以下,同时提升了回答质量。这项技术有望让AI从被动执行指令转变为能够质疑和改进指令的智能协作伙伴。
英超联赛与微软达成五年战略合作伙伴关系,推出AI驱动的Premier League Companion服务,为全球球迷提供个性化体验。该服务利用Azure OpenAI技术,整合30多个赛季的统计数据、30万篇文章和9000个视频,帮助球迷发现和了解更多内容。未来还将为Fantasy Premier League引入个人助理经理功能,并通过Azure AI优化比赛直播体验和赛后分析。
这篇文章详细解析了Long、Shelhamer和Darrell在2015年CVPR会议上发表的开创性研究"全卷积网络用于语义分割"。文章以通俗易懂的方式,将这项复杂的技术比作艺术家的绘画过程,解释了如何让计算机不仅识别图像中有什么物体,还能精确标出每个物体的位置和边界。研究团队通过将传统分类网络改造为全卷积形式,并巧妙运用上采样和跳跃连接技术,实现了高效准确的像素级图像理解。这一突破为自动驾驶、医学影像和增强现实等领域带来了革命性变化,奠定了现代计算机视觉的重要基础。