模拟人类视网膜 人脸识别技术研究的重大进步卡内基梅隆大学刚刚发布了其关于人脸识别的最新研究，由其改进的算法能够从图片中提取并编码关键信息，也就是说能从人海中迅速提取面部信息。目前是人脸识别最热门的创业方向之一，卡内基梅隆大学的这项技术研究对于产业界的应用将起到很大的推动作用。无论是在茫茫人海中提取面部信息，还是在大图中识别出远处／细小的物体，都对计算机视觉图形提出了非常大的挑战。凭借着多年的技术积淀，来自卡内基梅隆大学的科研团队终于找到了其中的诀窍——成功识别细小对象的关键就是寻找与之匹配的更大物体。这种能够从图片中提取并编码关键信息的改进算法，是由副教授 deva ramanan 和博士生 peiyun hu 共同推进的，可谓是识别微型人脸里程上的重大进步。在面部的基准测试集中，此前的方法只能识别出 29% 到 64% 之间的正确人类面孔，而她们所提出的改进版算法减少了两个导致误差的隐私，从而将正确率提高到了 81%。ramanan 说道：「这就像是寻找在某个人手中的一根牙签。当你提示对象可能会使用牙签的时候你就会非常容易看到它。手指的方位，手部的动作和位置都为我们最终找到这根牙签提供了非常重要的线索。」同样，为了寻找那些只有极少像素点的的面部，更大照片中的身体或者人群照片都能提供诸多线索。对于微型面部的提取拥有广阔的应用前景，例如统计人群数量等等。而延伸至微型物体的需求日益突显，就拿自动驾驶汽车来说当车速越来越快，必然需要时刻监视和评估交通状况，必然需要对远处的物体进行充分且正确的识别，才能做出正确的反应。什么是seetaface开源人脸识别引擎？区分不同的人是很多智能系统的必备能力。为实现此目的，一种可能的技术手段是通过对人脸的光学成像来感知人、识别人，即所谓的人脸识别技术。经过几十年的研发积累，特别是近年来深度学习技术的涌现，人脸识别取得了长足的进步，在安防、金融、教育、社保等领域得到了越来越多的应用，成为计算机视觉领域最为成功的分支领域之一。seetaface人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块（seetaface detection）、面部特征点定位模块（seetaface alignment）以及人脸特征提取与比对模块  （seetaface identification）。人脸检测模块seetaface detection该模块基于我们提出的一种结合经典级联结构和多层神经网络的人脸检测方法实现，其所采用的漏斗型级联结构（funnel-structured cascade，fust）专门针对多姿态人脸检测而设计，其中引入了由粗到精的设计理念，兼顾了速度和精度的平衡。特征点定位模块seetaface alignment面部特征点定位（人脸对齐）在人脸识别、表情识别、人脸动画合成等诸多人脸分析任务中扮演着非常重要的角色。由于姿态、表情、光照和遮挡等因素的影响，真实场景下的人脸对齐任务是一个非常困难的问题。人脸特征提取与比对模块seetaface identification人脸识别本质上是要计算两幅图像中人脸的相似程度，其一为注册阶段（类比人的相识过程）输入系统的，另一幅为识别阶段（即再见时的辨认过程）的输入。一套全自动的人脸识别系统在完成前述的人脸检测与人脸对齐两个步骤之后，即进入第三个核心步骤：人脸特征提取和比对。江苏人脸识别数据平台研发-中博晨鹰科技-浙江人脸识别数据结构化平台由中博晨鹰科技发展江苏有限公司()提供。