Oct, 2023

面部检测和识别实用视频分析系统的端到端评估

PDF
TL;DR基于一个驾驶特定数据集进行端到端评估，提出了创造平衡评估子集和使其注释一致的策略，以及顺序评估端到端系统性能以解决任务间的相互依赖性问题。实验证明我们的方法能够提供一致、准确和可解释的系统性能估计，对实际应用至关重要。
发现论文，激发创造
  • 端到端学习对于健身活动识别是否足够？

    通过一项健身活动视频的完全标注数据集，本文证明了基于原始像素的端对端学习方法可以与基于姿势估计的先进动作识别软件管道媲美，并且可以支持实时的重复计数等具有时间细粒度的任务。

    May, 2023

  • 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

  • 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

  • 基于视频的无约束人脸识别自动化系统

    提出了一个用于多个挑战性情景的视频人脸识别的鲁棒且高效的系统，包括人脸 / 标志检测、人脸关联和人脸识别等模块，特别是针对多镜头视频设计了精心的人脸关联方法，采用一种基于无监督子空间学习方法和子空间到子空间相似度度量的人脸匹配器来识别人脸，广泛实验表明该系统可以准确地检测和关联未约束的视频中的人脸，并有效地学习到具有鲁棒性和区分性的特征用于识别。

    Dec, 2018

  • 视频自动欺诈检测：基于端到端学习的高级特征和分类方法

    本文通过结合深度学习和判别模型提出了一种多模态方法用于自动检测欺诈，并且在五个数据集上进行了评估，结果表明基于面部表情的方法优于基于凝视和头部位置的方法，并且多模态方法与特征选择的结合可以提高检测性能。

    Jul, 2023

  • 通过对齐学习实现端到端的人脸识别

    本文通过使用空间变换器层在卷积神经网络中进行端到端的面部识别学习，以逐步学习出最适合面部识别任务的几何变换和适当的面部区域，从而达到高精度面部识别的目的。

    Jan, 2017

  • 端到端自动驾驶：挑战与前沿

    本文系统分析了 250 多篇论文，涵盖了自主驾驶的动机、路线图、方法论、挑战和未来趋势，并深入探讨了多模态、可解释性、因果混淆、健壮性和世界模型等若干关键挑战，同时讨论了基础模型和视觉预训练的最新进展，以及如何在端到端驾驶框架中整合这些技术。

    Jun, 2023

  • 边缘上的人脸质量评估的高效方法

    通过向人脸关键点检测网络中追加单层网络以进行面部质量分数回归，提出了一种针对边缘设备的人脸质量评分回归算法，可在识别准确度更高的前提下保证处理效率。

    Jul, 2022

  • 了解 AI-enabled 智能视频监控的政策和技术方面以解决公共安全问题

    本文提出了一种终端到终端的人工智能视频安全监控系统，其中融合了计算机视觉分析、统计数据分析、云原生服务以及终端用户应用，该系统能够更好地保护个人隐私，同时对人物识别、错误行为检测等方面具有高效性能和较高的安全性。

    Feb, 2023

  • Valeo4Cast：一种模块化的端到端预测方法

    使用模块化方法，将感知、跟踪和预测模块单独建立并训练，然后通过连续的微调步骤整合这些模块以改善性能，在 Argoverse 2 的终端预测挑战中取得了显著的性能提升。

    Jun, 2024