Jun, 2022

实时图像检测与识别中 AI 分类算法的效率比较

PDF
TL;DR本研究旨在使用 Python，OpenCV 和 Matplotlib 实现并比较多种面部检测和识别算法，以提高系统的识别准确性，该系统可应用于公共场所、购物中心和 ATM 亭等有闭路电视的地方。
发现论文，激发创造
  • 高效人脸检测技术评估与综述

    本文介绍了基于深度学习的人脸检测方法，并详细分析了其准确性和效率，同时对多个数据集和评估指标进行了比较和讨论，旨在指导如何选择适合不同应用的人脸检测器并开发更加高效和准确的检测器。

    Dec, 2021

  • 视频监控场景下人脸识别方法的比较分析

    该研究针对人脸识别中的关键问题：人脸检测、人脸对齐和人脸识别，通过在同一骨干架构下进行面部识别方法的比较基准测试，提出了最新的人脸识别状态，针对红外图像、无遮挡、带口罩、戴眼镜等情况对不同的识别算法进行了评估。

    Nov, 2022

  • 教育中的课堂出勤系统基于深度学习方法

    在这项研究中，使用了深度学习方法进行图像处理，设计并成功实施了一项能够通过图像识别对学生进出校门记录并进行课堂考勤的创新研究，该研究将在 2022-2023 学年在一所学校进行实际应用。

    Sep, 2023

  • 一个实时面部分析系统

    本文介绍了一个基于深度学习的系统级实时面部 分析设计，使用神经网络进行物体检测、分类和回归，可以识别每个人的年龄、性别、面部表情和相似度。同时，文章提出了一种多任务网络来同时预测年龄、性别和面部表情，该系统达到了与现有先进方法相同的精度和实时性能要求。

    Sep, 2021

  • 深度学习与人脸识别：现状

    本文介绍了深度学习技术在人脸识别领域中的应用和进展，提出了需要更大和更具挑战性公共数据集的必要性，以及可以提供这样数据集的机构。

    Feb, 2019

  • 法医面部识别评估

    最近机器学习和计算机视觉的进展使得人脸识别的准确率超越了人类表现。然而，我们质疑这些系统在真实的法庭鉴定情景中是否能够有效应用，因为在这种情景下，图像往往是低分辨率、低质量且被部分遮挡。本研究构建了一个大规模的合成人脸数据集，并创建了一个控制的人脸法庭鉴定场景，通过这两者的结合，可以在一系列真实环境条件下对人脸识别进行控制性评估。通过使用这个合成数据集和一个包含真实人脸的流行数据集，我们评估了两个常见的基于神经网络的人脸识别系统的准确性。我们发现，在这种更具挑战性的法庭鉴定情景中，先前报道的超过 95% 的人脸识别准确率下降到了 65%。

    Nov, 2023

  • 理解虚假人脸

    本研究使用自行创建的虚假人脸数据库进行图像侦测、分类和生成，结果表明视觉基于人脸识别算法与人类水平的表现之间存在差距，但这为提高人脸识别算法的进展提供了可借鉴的知识。

    Sep, 2018

  • 在真实场景中检测卷积神经网络生成的人脸图像

    研究表明，基于 CNN 的检测方法在现实场景中的鲁棒性还不足，本研究提出了一个跨模型、跨数据和后处理评估框架，并评估了最先进的检测方法，同时还探讨了常用的图像预处理方法及人类对于 CNN 生成图像的检测表现及影响因素。

    May, 2020

  • 基于深度学习的卷积神经网络模型进行佩戴口罩个体的分类和检测

    利用深度学习创建了一个实时检测视频和图像中口罩的模型，该研究旨在提高安全性，特别是敏感区域，通过图像预处理、图像裁剪和图像分类三个阶段来识别带口罩的人脸，并通过网络摄像头或闭路电视摄像机进行持续监控，如果发现没有戴口罩的人，则触发安全警报。

    Nov, 2023

  • 人脸识别系统的最新趋势分析

    本研究讨论了多种人脸识别系统，并分析了其实施和性能评估，通过比较得出了最佳的方法以供未来开发工作使用，涉及到的技术包括人脸识别，生物识别，深度学习等。

    Apr, 2023