首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

人脸实践篇 | 基于Caffe的年龄&性别识别

人脸检测及对应属性的识别是现在比较流行的一个技术之一。今天我们“计算机视觉战队”就和大家说说该技术的一些详细细节。 随着社会的发展,快速有效的自动身份验证在安防领域变的越来越迫切。...利用人脸属性进行身份验证又是最自然最直接的手段,相比其它人类生物特性,它具有直接、方便的特点,更容易被用户所接受且不易察觉。...基于形状特征和深度神经网络的现实人脸性别分类,先对人脸进行对齐操作,用深度网络的方法进行分类,在LFW数据库的非正向人脸样本部分做实验,识别率可达到89.3%。...性别识别 性别识别是利用计算机视觉来辨别图像中的人脸性别属性。多年来,人脸性别因为实际场景的需求,如在身份认证、人机接口、视频检索以及机器人视觉中的潜在应用而备受关注。...性别识别是一个复杂的大规模二分类问题,分类器将数据录入并划分男女性别。目前性别识别方法主要有:基于特征脸的性别识别算法(等传统方法)及基于深度学习方法。

2.3K40

【前沿】见人识面,TensorFlow实现人脸性别年龄识别

【导读】近期,浙江大学学生Boyuan Jiang使用TensorFlow实现了一个人脸年龄和性别识别的工具,首先使用dlib来检测和对齐图片中的人脸,然后使用CNN深度网络来估计年龄和性别。...TensorFlow实现的人脸性别/年龄识别 这是一个人脸年龄和性别识别的TensorFlow工具,首先使用dlib来检测和对齐图片中的人脸,然后使用CNN深度网络来估计年龄和性别。...如下所示,该项目可以同时估计一张照片中的多个人脸 。 ? ? 安装python依赖包 本项目需要以下依赖包,已经在CenotOS7系统上的Python2.7.14环境中测试过。...因为我们首先需要进行非常耗时的人脸检测和对齐步棸,所以我们建议使用尽可能多的核心数。Intel E5-2667 v4 带有 32 个核心运行完需要大概50分钟。

5.7K60
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    人脸识别还敢闯红灯?人工智能智慧城市

    对闯红灯行为现场抓拍 不过随着人脸识别技术的发展,这个管理难点有可能被攻破。最近,广东、山东、江苏一些城市开始在交通路口,启用人脸识别系统,对行人和非机动车闯红灯进行抓拍,并且现场曝光。...在宿迁市中心的世纪大道和洪泽湖路交叉口,屏上正滚动播放着最近一段时间这个路口市民闯红灯的现场图片。...宿迁公安局交警支队副支队长夏建设:屏上的显示大家都能看到,有的人在闯红灯以后会主动打我们交管部门的电话,情愿接受处罚,保证下次不再闯红灯了,让我们把他的照片撤掉。...宿迁公安局交警支队副支队长 夏建设 10个路口装人脸识别 准确率超90% 而对于行人和非机动车闯红灯的行为,交管部门将分别给予20元和50元的罚款。...目前,宿迁已在10个路口安装人脸识别系统,曝光了580人次的行人和非机动车闯红灯行为,人脸识别准确率超过90%。 人脸识别准确率超90% ?

    1.2K00

    虹软发布免费人脸识别SDK:支持年龄、性别识别

    AlphaGo拔掉网线也强大、iPhone X没有网络依旧可解锁,在国内虹软则免费开放了其支持离线的人脸识别技术,而且除了检测、跟踪、识别功能,现在也支持对年龄与性别的识别。...但是在不同的场景不同的产业有着不同的环境,在有网络的条件下,人工智能可以借助网络,运用的模型去处理,利用超级快速的运算能力迅速反应。 但是当没有网络的时候呢?当需要控制硬件成本的时候呢?...来想象一下,离线的人脸识别引擎可以在哪些场景具有优势: 机器人识别人物:无需网咯,机器人可以识别家人、客户、识别人物性别、年龄,从而提供不一样的差异化服务,喊一声阿姨、叫一声小朋友、欢迎VIP用户是不是更为亲切呢...人脸门禁与闸机:固定的场所,确定的人员,刷脸即可。...智能家居:人脸门锁,人脸灯控、人脸音响已不用多说,您可能有更多想象 社区监控:社区门禁、安保报警、黑名单监控,人脸识别打造智慧社区 …… 面对人脸识别应用的深入,现在算法与行业事实上都已有了足够的准备,

    4.1K90

    618技术揭秘:弹窗搭投实践

    Tech 导读 弹窗作为非常重要的营销触达手段被各业务广泛应用,本文主要介绍 “XView 营销弹窗搭投系统” 关于快速搭建、投放配置营销弹窗能力的实现原理,以及在 618 等重要场景中的应用和实践...618 来了,对于业务团队来说,最重要的事情莫过于各种营销。如会场、直播带货、频道内营销等等。...而弹窗作为一个极其重要的强触达营销工具,通常用来渲染氛围、引流主会场、以及通过频道活动来提升频道复访等。...通过以上分类的梳理,从业务视角来看,功能性的弹窗在中的重要性是其次的,而主要是营销类的弹窗,它们往往具备以下特点: 突发创意/需求:偶然的创意玩法,或突发的外部业务需求,时效性要求高,即上线时间不可逾期...3.2 能力细化抽象 为了满足以上业务的诉求,从的方向上看,XView 需要做到 快:快速搭建 准:精准投放 稳:高效触达 因此,接下来我们将刨析一个弹窗从生产到应用的过程中所涉及到的一些环节,再来看看如何细化弹窗需要具备的能力

    31320

    【源码】常用的人脸识别数据库以及上篇性别识别源码

    上一篇《使用ML.NET模型生成器来完成图片性别识别》发布后,很多朋友希望得到源码,这里附上地址: https://github.com/xin-lai/GenderRecognition 常用的人脸数据库...Wider-face总共有32203张图片,共有393703张人脸,比FDDB数据集10倍,而且在面部的尺寸、姿势、遮挡、表情、妆容、光照上都有很大的变化,算法不仅标注了框,还提供了遮挡和姿态的信息,...训练集,验证集,测试集分别占40%,10%,50%,测试集非常,结果可靠性高。...该数据集忽略了小于20×20或者非常难以检测的人脸,共包含大约838个人脸,占该数据集的7%。同时该数据集还提供了性别,是否带眼镜、是否遮挡、是否是夸张的表情等辅助信息。...都是从IMDb和维基百科上爬取的名人图片,根据照片拍摄时间戳和出生日期计算得到的年龄信息,以及性别信息,对于年龄识别和性别识别的研究有着重要的意义,这是目前年龄和性别识别最大的数据集。

    2.1K20

    “618”你准备好了吗?

    流量高峰期,一旦出现商品页面加载缓慢、抢购失败,立即下单报错,购物车内添加的商品丢失等问题,用户就会对平台,乃至品牌本身产生“心理阴影”,那么我们该如何对系统进行“彻查”,才能保障期间用户的顺滑体验呢...一到心就慌?...诉求1   在期间,服务器承压往往是个重大的考验,而很多企业往往会忽视压力测试这一环节,没有正确预估系统能承载的最大流量,或是虽然提前做了压测,但由于没有清晰完整的压测规划和完善的应对方案,并没有真正了解各链路的承载能力...WeTest压测大师领航智慧零售行业解决方案   为保障活动顺利开展,WeTest“压测大师”专家团队为企业打造零售行业服务器性能解决方案,能够有效解决零售品牌数字化转型过程中涌现的系统性能瓶颈,...目前,压测大师已为潮宏基、匡威、蒙牛等知名品牌提供过大前的压测专家服务,帮助企业高效解决性能瓶颈问题,保障期间核心系统的稳定性。

    5.6K20

    数据库如何应对保障活动

    现在,我们直接切入主题--数据库如何 积极应对,全力保障 活动。这个题目分解为三个部分进行讲解: 第一部分,准备工作;第二部分,促进行时;第三部分,后复盘。...“功夫在诗外”,同样,活动下数据库稳定、顺畅的运行,主要工作在前的准备上,所以,准备工作是重点。 一.前准备工作 1.对活动应该尽可能地去了解,去熟悉。...2.梳理活动用到的系统链路,对链路上的系统和应用有个较为清晰的了解,制作活动全链路的数据库流程图。 3.梳理链路上的数据库资源。...12.评估期间应用部署变更可能对数据库造成的影响。比如,为应对活动的系统请求,SA可能会增加应用的部署。 13.期间数据库性能阈值预估。...6.记录过程中出现的主要异常。 三.后复盘 1.完善补充促使用的链路图,完善没有想到的节点。 2.收集汇总期间出现的问题点。

    6.8K00

    电商,性能测试都在做什么?

    电商期间剧增的流量,对电商平台相关的软件系统也带来了更严峻的挑战。 比如秒杀抢购活动要求高并发处理能力,核心业务流程要求更好的可用性以及稳定性,为了需要精确的对线上服务扩容做容量规划等等。...这篇博客,来聊聊电商期间,性能测试工程师都在做哪些事情。。。 PS:由于某些原因,这篇博客延期了将近一个月才发布,不过即将为双十一做准备,到时候会更一篇更详细的博客来说明具体的细节。。。...由于时间紧任务重,为了保证在期间系统能稳定运行,需要梳理出核心的业务。如下图: ?...②、除了核心业务流程,还有时会有一些抢购秒杀抽奖等活动,这类型的业务一般具有短时间内流量剧增,商品优惠券数量有限下的超卖现象,因此需要考虑高并发和超卖问题。...对于我司来说,第一次大力度的,只能通过高峰流量来进行倍增预估,然后做好随时扩容的准备。 4、渠道引流转化量 鉴于业务特性以及商务合作方面,有时候会有其他合作渠道的引流。

    4.3K11

    电商GMV和支付规模预测

    在电商时,为了能够合理地制定KPI、高效地商品备货和营销资源的安排,都通常都需要对这次大的GMV和订单规模做预测,避免出现诸如产品断货或者过剩、人员效率不高等问题,导致客户流失未能成交。...这里很明确的,我们就是要预测某个大时间段的GMV,做本次预测的核心目标是,让业务方做好对促销资源投入的评估,最终实现投入资源的合理分配。...在传统的预测中,通常是基于历史GMV趋势做预测的,衡量的是历史期相对平销期流失爆发度,计算公式是本次大GMV=前平销期GMV*爆发系数,其中,前平销期GMV可以通过时间序列模拟获得,而期间的爆发系数通常是基于业务经验做推断获得的...这样,预测的输出结果就明确了,首先是用户id,用于用户的分类,例如基于此,可以将用户分为A组、B组等;其次是不同分类用户的购买概率,例如A类、B类客户购买概率分布是多少;最后是的购买金额。...这里,特征工程的选择必须尽量丰富,例如可以包括年龄、性别、优惠敏感度、近14天访问次数、近14天加购次数、近30天是否支付以及会员等级等。

    6.3K40

    GitHub 又一黑科技项目面世!网友惊呼:这也太强了...

    今天小 G 给大家介绍一个 AI 黑科技,能够完美实现人脸性别变换,并带有丰富的表情,让你不仅瞬间拥有了对象,更是看到另一面的自己,都怕你一不小心爱上你自己。 废话不多说,直接上图!...原理揭秘 这个神奇的项目中所内置的 StyleGAN V2 与 FOM 分别实现人脸属性编辑(性别变换)与让人脸动起来的效果!具体可分为三个步骤: 1.....input_image:原图路径,即需要提取隐藏特征的照片路径 2.output_path:原图的隐藏特征的存放路径,后续需要放在属性编辑和生成的模块中使用 将 input_image 部分放上想要变换性别人脸照片的路径即可...只需要更改二个参数: 1.latent:STEP 1 中提取的原图的 Latent Code 路径 2.output_path:新人脸性别变换后)的保存路径 !...更多 AI 能力揭秘 难道这个项目还有啥其他厉害的能力? 小 G上项目首页转了一圈发现,人脸属性编辑、人脸表情迁移竟然只是数十种能力的一种。

    1.6K40

    明月机器学习系列017:人脸对齐与仿射变换

    我们所说的人脸识别通常是几个算法的集合,包括人脸检测,人脸对齐,人脸特征提取等。...这是人脸检测。 在人脸检测之后,如果我们需要做人脸比对或者匹配,通常就需要先进行人脸对齐,这样在提取特征会更有效。所谓人脸对齐,其实就是将原来倾斜等的人脸转换成端正的。...这里其实就是将人脸的5个关键点,通过某种映射,通常是线性变换,映射成一个标准的人脸,5个原始关键点: X = [ [828.1219482421875, 356.0898132324219],...展示一下人脸纠正后的效果: 感觉对于侧脸的对齐效果不太好,会有点偏,有时间再优化优化。 仿射变换 ---- Python解决问题很简单,不过我们有必要认识一下其背后的仿射变换。...其在百科上的定义如下: 仿射变换,又称仿射映射,是指在几何中,一个向量空间进行一次线性变换并接上一个平移,变换为另一个向量空间。 更加严谨的定义如下: 简单说:仿射变换 = 线性变换 + 平移。

    3.5K30
    领券