Face Recognition

我们先来看看效果 上面是根据图片检测出其中的人脸、每个人脸的年龄还有性别，非常强大 第一步： 登录 https://ai.arcsoft.com.cn/ ，注册开发者账号，身份认证，注册应用，得到APPID和SDKKEY 第二步： 阅读SDK接入文档 https://ai.arcsoft.com.cn/manual/arcface_android_guideV2.html 其中重要的是下面 Step1：调用FaceEngine的active方法激活设备，一个设备安装后仅需激活一次，卸载重新安装后需要重新激活。 Step2：调用FaceEngine的init方法初始化SDK，初始化成功后才能进一步使用SDK的功能。 Step3：调用FaceEngine的detectFaces方法进行图像数据或预览数据的人脸检测，若检测成功，则可得到一个人脸列表。（初始化时combineMask需要ASF_FACE_DETECT） Step4：调用FaceEngine的extractFaceFeature方法可对图像中指定的人脸进行特征提取。（初始化时combineMask需要ASF_FACE_RECOGNITION） Step5：调用FaceEngine的compareFaceFeature方法可对传入的两个人脸特征进行比对，获取相似度。（初始化时combineMask需要ASF_FACE

本文作者：HelloDeveloper 嗨，大家好。这里是学术报告专栏，读芯术小编不定期挑选并亲自跑会，为大家奉献科技领域最优秀的学术报告，为同学们记录报告干货，并想方设法搞到一手的PPT和现场视频——足够干货，足够新鲜！话不多说，快快看过来，希望这些优秀的青年学者、专家杰青的学术报告 ，能让您在业余时间的知识阅读更有价值。 人工智能论坛如今浩如烟海，有硬货、有干货的讲座却百里挑一。“AI未来说·青年学术论坛”系列讲座由中国科学院大学主办，百度全力支持，读芯术作为合作自媒体。承办单位为中国科学院大学学生会，协办单位为中国科学院计算所研究生会、网络中心研究生会、人工智能学院学生会、化学工程学院学生会、公共政策与管理学院学生会、微电子学院学生会。“AI未来说·青年学术论坛”第六期“机器学习”专场已于2019年6月23日下午在中科院举行。清华大学王奕森为大家带来报告《Adversarial MachineLearning: Attack and Defence》。 Yisen Wang obtained his Ph.D. degree from the Department of Computer Science and Technology at Tsinghua University. He is also a visiting scholar at Georgia Tech

导语 结束比赛有几天了，这几天一直在处理前段时间堆积的工作，今天得空对自己的方案进行梳理总结。今年7月多结束魔镜杯后，将之前的内容整理了一下，刚好看到华为垃圾分类比赛，由于我的工作内容还是偏图像，所以就想玩玩，有幸拿了一个亚军。 这次比赛是基于华为云的modelArts平台，免费的gpu硬件环境，全新的结果提交验证方法。感谢组织方华为云，喜欢打比赛的小伙伴也可以多留意该平台，会不定期举办各种数据类竞赛。这次我们队共有三人：谢赋(老虎）、舒欣（up)和文瑞（一休)，大家交流分工合作，才能不断奋力前进。这次分享主要是针对决赛阶段，该阶段要求模型的推理时间不能大于100ms，不能使用融合和TTA。故关于模型融合和TTA技巧，本次不会涉及到，后面还会有图像分类的专题分享。 一 解题思路 拿到数据后，我们首先做了数据分析。统计数据样本分布，尺寸分布，图片形态等，基于分析可以做一些针对性的数据预处理算法，对后期的模型训练会有很大的帮助。 选择好的baseline。需要不断的尝试各种现有的网络结构，进行结果对比，挑选出适合该网络的模型结构，然后基于该模型进行不断的调参，调试出性能较好的参数。 做结果验证，分析badcase。将上述模型在验证集上做结果验证，找出错误样本，分析出错原因，然后针对性的调整网络和数据。 基于新数据和模型，再次进行模型调优 二 数据分析（EDA) 原始共有43个类别

点击上方“ Python编程与实战 ”，选择“置顶公众号” 第一时间获取 Python 技术干货！ 阅读文本大概需要 11分钟。 今天给大家介绍一个世界上最简洁的人脸识别库 face_recognition，你可以使用 Python 和命令行工具进行提取、识别、操作人脸。 基于业内领先的 C++ 开源库 dlib 中的深度学习模型，用 Labeled Faces in the Wild 人脸数据集进行测试，有高达99.38%的准确率。 1.安装 最好是使用 Linux 或 Mac 环境来安装，Windows 下安装会有很多问题。在安装 face_recognition 之前你需要先安装以下几个库，注意顺序! 1.1 先安装 cmake 和 boost pip install cmake pip install boost 1.2 安装 dlib pip install dlib 此处安装可能要几分钟。如安装出错，建议使用 whl 文件来安装 下载地址：https://pypi.org/simple/dlib/ 1.3 安装 face_recognition face_recongnition 一般要配合 opencv 一起使用 pip install face_recognition pip install opencv-python 2. 人脸识别 比如这里总共有三张图片

👆 “ Python猫 ” ，一个值得加星标的 公众号 花下猫语： 二月来了，再过两天就是立春了，新的日子，新的气象，新的希望就要来临了。同学们，坚持住！如今之计是继续做好防护。今天给大家分享一篇文章，作者发布了一个库，可轻松给图片内的头像戴上口罩，推荐尝试！ 来源：Prodesire公众号 | 作者：Prodesire 前言 2019 年底开始蔓延的新型肺炎疫情牵动人心，作为个体，我们力所能及的就是尽量待在家中少出门。 看到一些朋友叫设计同学帮忙给自己的头像戴上口罩，作为技术人，心想一定还有更多人有这样的诉求，不如开发一个简单的程序来实现这个需求，也算是帮助设计姐姐减少工作量。 于是花了些时间，写了一个叫做 face-mask [1] 的命令行工具，能够轻松的给图片中的人像戴上口罩，而且口罩的方向和大小都是适应人脸的哦~ 使用 安装 face-mask 确保 Python 版本在 3.6 及以上 pip install face-mask 使用 face-mask 直接指定图片路径即可为图片中的人像戴上口罩，并会生成一个新的图片（额外有 -with-mask 后缀）： face-mask /path/to/face/picture 通过指定 --show 选项，还可以使用默认图片查看器打开新生成的图片： face-mask /path/to/face/picture --show

#前言 2019 年底开始蔓延的新型肺炎疫情牵动人心，作为个体，我们力所能及的就是尽量待在家中少出门。 看到一些朋友叫设计同学帮忙给自己的头像戴上口罩，作为技术人，心想一定还有更多人有这样的诉求，不如开发一个简单的程序来实现这个需求，也算是帮助设计姐姐减少工作量。 于是花了些时间，写了一个叫做 face-mask[1] 的命令行工具，能够轻松的给图片中的人像戴上口罩，而且口罩的方向和大小都是适应人脸的哦~ #使用 ⚠️确保 Python 版本在 3.6 及以上 安装 face-mask pip install face-mask 使用 face-mask,直接指定图片路径即可为图片中的人像戴上口罩，并会生成一个新的图片（额外有 -with-mask 后缀）： face-mask /path/to/face/picture 通过指定 --show 选项，还可以使用默认图片查看器打开新生成的图片： face-mask /path/to/face/picture --show #效果 给一个人戴上口罩 给多个人戴上口罩 给动漫人物戴上口罩 #实现 ##思路 要想实现上面的效果，我们应该怎么做？不妨这么想： 首先是识别出人的鼻子( nose_bridge )和脸轮廓( chin ) 通过脸轮廓确定出脸左点（ chin_left_point ）、脸底点（ chin_bottom_point

1 前言 2019 年底开始蔓延的新型肺炎疫情牵动人心，作为个体，我们力所能及的就是尽量待在家中少出门。 看到一些朋友叫设计同学帮忙给自己的头像戴上口罩，作为技术人，心想一定还有更多人有这样的诉求，不如开发一个简单的程序来实现这个需求，也算是帮助设计姐姐减少工作量。 于是花了些时间，写了一个叫做 face-mask [1] 的命令行工具，能够轻松的给图片中的人像戴上口罩，而且口罩的方向和大小都是适应人脸的哦~ 2 使用 安装 face-mask 确保 Python 版本在 3.6 及以上 pip install face-mask 使用 face-mask 直接指定图片路径即可为图片中的人像戴上口罩，并会生成一个新的图片（额外有 -with-mask 后缀）： face-mask /path/to/face/picture 通过指定 --show 选项，还可以使用默认图片查看器打开新生成的图片： face-mask /path/to/face/picture --show 效果 给一个人戴上口罩 给多个人戴上口罩 给动漫人物戴上口罩 3 实现 思路 要想实现上面的效果，我们应该怎么做？不妨这么想： 首先是识别出人的鼻子(nose_bridge)和脸轮廓(chin) 通过脸轮廓确定出脸左点（chin_left_point）、脸底点（chin_bottom_point）和脸右点

对亚洲人识别准确度有点差，具体安装移步： https://www.cnblogs.com/ckAng/p/10981025.html 更多操作移步： https://github.com/ageitgey/face_recognition 　　 from PIL import Image, ImageDraw import face_recognition # Load the jpg file into a numpy array image = face_recognition.load_image_file("img/test2.jpg") # Find all facial features in all the faces in the image face_landmarks_list = face_recognition.face_landmarks(image) print("I found {} face(s) in this photograph.".format(len(face_landmarks_list))) # Create a PIL imagedraw object so we can draw on the picture pil_image = Image.fromarray(image) d = ImageDraw.Draw(pil

摘要 ： 本文提出了一个卡通人脸识别的基准数据集i Cart oon Face ，并设计了卡通和真人多任务域自适应策略来提高卡通人脸识别的性能。 论文链接： https://arxiv.org/pdf/1907.13394.pdf 导读： 通过人脸识别技术对视频中的人物信息进行结构化分析，目前已在爱奇艺公司的多个产品中应用，例如“奇观”、“只看他”等，给用户带来了良好的交互体验。为了推动了人脸识别技术的快速发展，爱奇艺在 2018年 、 2019年 相继举办了多模态人物识别竞赛。与此同时，学术界、工业界对卡通人物识别领域的研究较少，为了促进相关研究和带来良好的用户体验，本文提出了 iCartoonFace 卡通识别数据集和对相关算法进行了研究，并成功落地到爱奇艺“奇观”、“逗芽”等产品中。 背景 ： 近年来，伴随着卡通产业的迅猛发展，卡通视频呈现出爆炸性增长。而实现对这些卡通视频智能理解的第一步就是需要识别出这些视频里面的卡通人物身份信息。同时伴随着人脸识别技术的发展，人物识别精度大幅提升，在Labeled Faces in the Wild（LFW）等图片数据集上，人脸识别精度甚至超过了人类的识别能力。然而，对卡通人物身份的识别，却鲜有研究，相关的数据集也比较少，如下表1。对于深度学习来说，这些已有的卡通识别数据集存在着数据量较小、噪声比例较大的问题。因此构建一个大规模

　　 　　 与以往城市仅止步于限制政府部门的人脸识别应用不同，波特兰市在公共和私人场合的双重禁止人脸识别的应用，可能为其他城市开辟类似的数字隐私政策提供了一个路线图，这也是隐私倡导者所希望的结果。 　　 撰文 | 微胖 　　飞机飞过天空，天空之火，不过，那是硅谷的山火。在山火引发世人关注的同时，位于美国西北部俄勒冈州波特兰市的糟糕局势也在引发各方密切关注，甚至惊动联合国。 　　自5月底黑人男子弗洛伊德被暴力执法致死，引爆新一轮全美反种族主义示威以来，近期，俄勒冈州波特兰市一名白人男子在示威活动中被枪杀。三个月来，持续升温的民愤、种族主义和警察暴力犹如一道道旋涡， 搅得时局天翻地覆，但更让人惊讶的是，就在这样的混乱中，本周三，波特兰市议会却通过了一项立法，该立法 被广泛认为是迄今为止最激进的人脸识别技术市政禁令。 　　 　　两项法令不仅禁止 波特兰所有市政部门使用人脸识别技术 ，还禁止 私人公司在公共场所使用这项技术。 　　人脸识别系统在美国基本上不受监管，特别是私人企业的使用。奥克兰、旧金山和波士顿也只是禁止政府部门使用人脸识别技术，而波特兰禁止企业在公共场所使用该技术的禁令可谓开创先河。 　　一 为什么禁止所有市政部门使用？ 　　全面禁止市政部门使用该技术，背后逻辑既与当前糟糕局势有关，更与「市情」密切相关。 　　市议会委员Jo Ann Hardesty将对高科技执法工具的担忧