初学者如何快速掌握人脸检测、识别与验证技术？

本文共计3729个文字，预计阅读时间需要15分钟。

即将迎来2019世界人工智能大会，相信这次大会将再次推动人工智能的发展。感兴趣的学者可以去感受人工智能的热度，绝不会低于这个夏天的炎热。今天，计算机视觉战队

即将迎来了2019世界人工智能大会，相信这个会议又一次推动人工智能的发展，有兴趣的同学可以去参加感受一下人工智能的热度，绝不会低于这个夏天的高温。

今天“计算机视觉战队”为大家分析一个关于人脸检测识别！

1

导 读

大量带注释的数据集和可承受的计算效率的可用性导致了令人印象深刻的改进CNNs对各种物体检测和识别基准的性能。这些，以及对深度的更好理解学习方法也导致了机器对面部的理解的能力。CNNs能够检测面部、定位面部关键点、估计姿势和识别不受约束的图像和视频中的人脸。

今天要说的，就是详细描述了一种用于无约束人脸识别和验证的深度学习流水线，它在几个基准数据集上达到了最先进的性能。提出了一种新的人脸检测、深度金字塔单镜头人脸检测器(DPSD)，该检测器是一种快速、有能力的人脸检测器。用于检测具有大尺度变化(尤其是微小表面)的人脸。给出了在自动中涉及的各个模块的设计细节人脸识别：人脸检测、关键点定位和对齐以及人脸识别/验证。

提供评估结果提出了一种具有挑战性的无约束人脸检测数据集的人脸检测器。然后，给出了IARPA的实验结果。Janus基准A、B和C（IJB-A、IJB-B、IJB-C）和Janus挑战集5（CS5）。

1

背景及现状

人脸分析是研究的一个活跃领域。它涉及提取诸如关键点、姿势、表情、性别、年龄、身份等的信息。它有若干应用，包括执法、设备的主动认证、支付的面部生物识别、自驾驶车辆等。

人脸识别和验证系统通常有三个模块。