重磅|中科視拓開源SeetaFace2人臉識別算法

2020-12-17 雷鋒網

今天,來自中科院計算所的人工智慧國家隊中科視拓宣布,開源商用級SeetaFace2人臉識別算法。

SeetaFace2採用商業友好的BSD協議,這是在2016年9月開源SeetaFace1.0人臉識別引擎之後,中科視拓在人臉識別領域的又一次自我革命。

中科視拓的人臉識別技術來自於國家萬人計劃領軍人才山世光研究員和國家自然科學基金委傑出青年基金獲得者陳熙霖研究員共同領導的中科院計算所視覺信息處理與學習研究組,研究成果先後獲得過國家科技進步二等獎一次和國家自然科學二等獎一次,在行業內處於領先水平。

圖1 SeetaFace2開源的人臉識別算法組件

據中科視拓人臉組研發總監李凱周介紹,SeetaFace2包含了完整的人臉檢測、面部關鍵點定位和人臉特徵提取與比對模塊,還將陸續開源人臉跟蹤、閉眼檢測等輔助模塊。SeetaFace2所有算法提供全部原始碼、注釋、接口文檔以及樣例程序,以幫助開發者快速基於SeetaFace2開發應用。

SeetaFace2採用標準C++開發,全部模塊均不依賴任何第三方庫,支持x86架構(Windows、Linux)和ARM架構(Android)。SeetaFace2支持的上層應用包括但不限於人臉門禁、無感考勤、人臉比對等。

圖2 SeetaFace2支持的應用矩陣

SeetaFace2是面向於人臉識別商業落地的裡程碑版本,其中人臉檢測模塊在FDDB上的100個誤檢條件下可達到超過92%的召回率,面部關鍵點定位支持5點和81點定位,1比N模塊支持數千人規模底庫的人臉識別應用。

表1 SeetaFace2各模塊基礎技術指標

與2016年開源的SeetaFace1.0相比,SeetaFace2在速度和精度兩個層面上均有數量級的提升。

表2 SeetaFace2與SeetaFace1.0對比

知人識面辨萬物,開源賦能共發展。中科視拓自成立以來,始終致力於降低AI應用門檻,賦能行業共同發展。凝聚著國內頂尖實驗室技術成果的SeetaFace2的開源,將成為開發者的階梯,產業升級的助推器,和行業夥伴一起共同推進人臉識別技術的落地。

相關焦點

  • 中科視拓開源SeetaFace2人臉識別算法
    集微網消息(文/春夏)近日,中科視拓(北京)科技有限公司(以下簡稱「中科視拓」)宣布,開源商用級SeetaFace2人臉識別算法。據中科視拓官方消息,SeetaFace2採用商業友好的BSD協議,採用標準C++開發,全部模塊均不依賴任何第三方庫,支持x86架構(Windows、Linux)和Arm架構(Android)。SeetaFace2支持的上層應用包括但不限於人臉門禁、無感考勤、人臉比對等。
  • 人臉識別算法中的一些重要的算法
    這些算法的涉及面非常廣泛,包括模式識別、圖像處理、計算機視覺、人工智慧、統計學習、神經網絡、小波分析、子空間理論和流形學習等眾多學科。所以很難用一個統一的標準對這些算法進行分類。根據輸入數據形式的不同可分為基於靜態圖像的人臉識別和基於視頻圖像的人臉識別。因為基於靜態圖像的人臉識別算法同樣適用於基於視頻圖像的人臉識別,所以只有那些使用了時間信息的識別算法才屬於基於視頻圖像的人臉識別算法。
  • 人臉識別經典算法實現
    基於特徵分析的方法,也就是將人臉基準點的相對比率和其它描述人臉臉部特徵的形狀參數或類別參數等一起構成識別特徵向量,這種基於整體臉的識別不僅保留了人臉部件之間的拓撲關係,而且也保留了各部件本身的信息,而基於部件的識別則是通過提取出局部輪廓信息及灰度信息來設計具體識別算法。
  • 最先進的人臉識別算法:在口罩面前也不靈了
    本周一,美國標準化與技術研究所(NIST)公布最新發現,即便是最先進的人臉識別算法,面對戴口罩的被識別對象,會有至少5%的失敗率,遠超可被接受的0.3%失效率。人臉識別算法依賴於獲取儘可能多的數據點位,而佩戴口罩後,大量有價值的信息被帶走。
  • 人臉識別算法常用性能評價指標
    01算法性能測試要到實際場景中人臉識別算法的準確率是
  • AI大廠算法測試心得:人臉識別關鍵指標有哪些?
    僅僅在幾年前,程式設計師要開發一款人臉識別應用,就必須精通算法的編寫。但現在,隨著成熟算法的對外開放,越來越多開發者只需專注於開發垂直行業的產品即可。  由調查機構發布的《中國AI產業地圖研究》中也有一組有趣的數據,目前中國的AI企業中,有近8成集中在應用層,其中AI行業解決方案佔比高達40.7%,從上下班的人臉識別考勤,到金融App的人臉身份核驗,再到醫院和政務大廳的人臉識別取號,以及車站的人臉核驗檢票……  目前市面上既有OpenCV等開源算法庫,很多晶片廠商的產品也自帶簡單算法,同時專業算法大廠也會開放相關技術,
  • 中國在人臉識別算法方面處於世界領先地位
    中國的人臉識別算法在世界上處於領先地位,其最好的算法能夠在不到一秒的時間內識別出一千萬人,而不會出現任何錯誤。美國商務部國家標準與技術研究院周五發布了2018年人臉識別測試結果,根據該測試,全球39種人臉識別算法中排名前五的均來自中國。
  • 人臉識別系列三 | MTCNN算法詳解上篇
    前言我們前面分享了PCA,Fisher Face,LBPH三種傳統的人臉識別算法,Dlib人臉檢測算法。今天我們開始分享一下MTCNN算法,這個算法可以將人臉檢測和特徵點檢測結合起來,並且MTCNN的級聯結構對現代的人臉識別也產生了很大的影響。上篇為大家介紹MTCNN的算法原理和訓練技巧,下篇為大家解析MTCNN算法的代碼和進行demo演示。
  • NEXT·解鎖未來 | 德施曼重磅發布行業首款3D人臉識別智能鎖等年度...
    NEXT·解鎖未來 | 德施曼重磅發布行業首款3D人臉識別智能鎖等年度系列新品 2019年04月24日 17:51作者:網絡編輯:宏偉
  • 全民戴口罩,人臉識別算法抓瞎:多種算法出錯,最高錯誤率達50%
    而且,黑色口罩比藍色口罩更容易出錯,口罩遮住口鼻的範圍越大,算法就越難識別人臉。一些算法錯誤率高達50%NIST 計算機科學家、該研究報告的作者之一 Mei Ngan 說:「隨著新冠疫情的到來,我們想要了解人臉識別技術是如何處理帶口罩的面孔。我們首先關注的是,在疫情大流行之前開發的算法可能會因識別對象戴口罩而受到影響。
  • 人臉識別算法終於超過了人類本身 - OSCHINA - 中文開源技術交流社區
    計算機科學家已經開發出一種新的人臉識別算法,在識別人臉的能力上比人類本身更加強大。
  • 人臉識別哪家強?科大訊飛發布最新人臉識別技術
    ,一直是公認的模式識別難題,在過去幾十年間,世界頂尖科研機構一直在為人臉識別而努力,但是沒有任何一個計算機算法能夠超越肉眼在LFW上的識別率97.52% ,直到香港中文大學湯曉鷗教授團隊開發出了一個基於高斯過程的人臉識別技術—GaussianFace,「高斯臉的識別率為98.52%,這是機器首超人類」 ,「幾個月前我們的DeepID人臉識別技術在LFW上獲得了99.15%的識別率,又超極限;2014
  • 使用Python+PCA+SVM算法實現人臉識別模型
    在本文中,我們將使用主成分分析和支持向量機來建立人臉識別模型
  • 應用層下的人臉識別(三):人臉比對
    人臉算法人臉算法效果決定了人臉識別的上限,也是人臉比對最關鍵的要素。隨著深度學習技術的普及,各大公司的人臉算法效果差距也越來越小。目前主流的人臉識別算法可以分為以下四類:基於人臉特徵點的識別算法基於整幅人臉圖像的識別算法基於模板的識別算法利用神經網絡進行識別的算法2018年11月20日公布的,有工業界黃金標準之稱的全球人臉識別算法測試(FRVT)結果(如下圖):
  • 帶上口罩依然能人臉識別?NIST:有的算法錯誤率上升到99%
    【天極網手機頻道】自從人臉識別技術運用在手機上後,不管是手機解鎖還是支付都非常方便。不過由於今年受到疫情的影響,戴上口罩之後手機人臉識別的成功率大大降低。作為被廣泛認為是人臉識別準確率測試的權威機構NIST在7月發布了一份報告,報告指出因為口罩的影響,人臉識別算法的錯誤率從5%到50%不等,黑色口罩比藍色口罩更容易出錯,口罩遮住摳鼻的範圍越大,算法就越難識別人臉,而且研究還透露出一個趨勢:每個算法的錯誤率都出現了增長。
  • 人臉識別被「打臉」:刷臉取件被小學生用照片輕鬆「破解」!
    視頻中,一群小學生正圍著一個豐巢快遞櫃,其中一名小男孩用手裡的列印照片對著快遞櫃一掃,就完成了人臉識別。聽上去高精尖的人臉識別,居然被一群小學生給破解了?對此,豐巢回應稱,該「刷臉」應用為試運營版本,已第一時間下線。日常生活中,刷臉應用日漸增多,像這樣的漏洞,還會有嗎?在重慶的一些小區,記者發現了可以進行人臉識別的儲物櫃隨機進行了實驗。
  • 基於深度學習的人臉識別算法
    基於深度學習的人臉識別算法,如何讓神經網絡從訓練數據中學習到有效、魯棒的生物特徵是至關重要的。
  • 人臉識別開發技巧揭秘
    隨著人臉識別終端設備的廣泛應用,很多開發者在實踐中會產生疑惑:為什麼同一款主板,運行性能相仿的算法時,系統資源佔用會相差懸殊?為什麼同樣配備了活體檢測,防攻擊能力卻可以差好幾個級別?事實上,人臉識別算法在實際部署中存在一些編程開發策略,能對識別效果和識別速度產生顯著影響。
  • 深扒人臉識別60年技術發展史(附國內人臉識別科技企業名單)
    人臉檢測算法的輸入是一張圖像,輸出是人臉框坐標序列,具體結果是0個人臉框或1個人臉框或多個人臉框。輸出的人臉坐標框可以為正方形、矩形等。人臉檢測算法的原理簡單來說是一個「掃描」加「判定」的過程。即首先在整個圖像範圍內掃描,再逐個判定候選區域是否是人臉的過程。因此人臉檢測算法的計算速度會跟圖像尺寸大小以及圖像內容相關。