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
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。