保存成功
订阅成功
保存失败,请重试
提交成功
苏钢

苏钢

高级研发工程师
与大数据打交道多年,做过 Hadoop 生态大数据开发,围绕数据做过采集、加工、分析工作。近几年主要做人工智能领域的算法研究,探索如何将人工智能算法与实际业务结合落地。...更多
创作文章9

怎么搭建一个行业级人脸识别服务系统

现在的人脸识别技术已经很成熟,各种商业应用遍地开花。 很多人也多多少少了解一些人脸识别的相关技术,比如卷积神经网络、人脸检测、人脸搜索等等,也会自己跑一下人脸识别模型。 But, so whta ? 如果要你部署一个行业级人脸识别服务系统呢?每天处理上千万的视频图片,如何合理利用 GPU 资源,如何根据实际应用场景调整模型参数,性能,达到行业应用水准呢? 是的,实际应用往往跟纯理论不一样!!需要我们见招拆招。 本文将以实际应用为背景,讲解如何搭建一个行业级人脸识别服务系统,涉及以下内容: 1. 应用场景介绍 2. 人脸识别服务系统整体框架说明 3. 人脸识别服务系统技术实现细节 4. 介绍一款超级强大人脸搜索框架(比 Faiss 好用强大 N 倍) 5. 如何并发调度 6. 如何根据实际情况大幅度提供人脸检测、人脸搜索速度 本文适合有一定深度学习基础的人工智能从事者,文中会涉及很多踩过的坑,并给出应对措施,希望对从事人脸识别应用的伙伴们有所帮助。
79 订阅

手把手教你做安卓端人脸识别应用

之前我发过一篇人脸搜索的 Chat ,很多同学问到如何将其部署到手机上,作为补充,本场 Chat 我们就来聊聊如何在安卓端开发一个人脸识别应用,将会涉及以下内容: - 使用 NDK 交叉编译 Android Mxnet - 使用 MTCNN 进行人脸检测 - 将 Insightface 人脸识别模型部署到 Android - 调用手机摄像头,将图片流送入模型 - 实现简单的人脸入库,搜索比对功能
141 订阅

“ 花式吊打 ” 系列之卷积网络讲透透

卷积网络,这是一个风头正劲的算法,占据人工智能的半壁江山,即使不是学习人工智能的人,也应该听说过这个词。卷积网络代表的是一种传统计算思维方式的转换,由逻辑规则的思维方式,切换到模拟人脑神经连接的思维方式,因此,即使你不搞人工智能,也应该学习下卷积网络的思想。 在这场 Chat 中,我想讲一些普通人也听得清楚的卷积网络思想,然后再探讨卷积网络的一些设计细节,具体内容如下: - 什么是神经网络,和大脑有什么联系(卷积网络思想) - 为什么神经网络可以训练 - 神经网络计算公式的数学解释 - 神经网络的正向 & 反向传播数学推导(不要怕,你看得懂) - 使用 Mxnet 实现简单的神经网络 - 几个思想观念(模型训练七步法、广播思想、Block 堆叠思想、维度思想等) - 认识神经网络的缺点,引入卷积网络(两个思维:往哪看?看什么?) - 神奇的特征提取组合机器(形状、概念抓取) - 卷积网络的基础算子(卷积、池化,池化为何有效?) - 卷积网络的优秀基因(局部连接、空间共享、平移不变性、尺寸不变性) - 1 * 1 卷积核到底有什么用 - 卷积网络的设计思路有哪些 - 通过代码吃透 GoogLeNet、ResNet
卷积网络
128 订阅

手把手教你做实时活体检测系统

随着深度卷积神经网络(CNN)的发展,人脸识别已经取得了近乎完美的识别性能,并已经应用于我们的日常生活中,如手机解锁,门禁,人脸支付等。然而,这些人脸识别系统容易受到各种方式的攻击,如打印攻击、视频回放攻击等,使得识别结果变得不可靠。本场 Chat 我们就来做一个简单的实时活体检测系统,由于数据集有限,我们只做打印攻击活体检测。具体内容包括: 1. 简单过一遍已有的活体检测算法 2. 使用 MTCNN 进行人脸检测 3. 准备活体检测数据集,使用 Pytorch + MobileNet 训练活体检测模型 4. 编写程序,调用笔记本摄像头,将活体检测实时应用于所拍摄数据,实时显示检测结果 本场 Chat 适用于入门人工智能的同学,具备一定的 Python 编程能力,照着做,就能做出效果。
严选活体检测
312 订阅

目标检测之 ImgNet、COCO 、VOC 使用方式全解析

在深度学习领域,大家不管是学习还是研究,都离不开开源数据集,特别是 ImgNet、COCO 、VOC 。我发现,很多同学对这些数据集如何使用,还是很陌生,本场 Chat 我们就通过构建一个目标检测模型来学习这些数据集的使用方法,包括以下内容: 1. 目标检测模型介绍 2. ImgNet、COCO 、VOC 数据集及其使用方法介绍 3. 如何在 ImgNet、COCO 、VOC 中挑选自己需要的类别图片 4. 如何将 ImgNet、COCO 、VOC 中的标签转换成自己需要的标签文件 5. 如何可视化图片及标签来验证其正确性 6. 将 ImgNet、COCO 、VOC 的图片及标签整理在一起形成训练集 7. 使用 Darknet 来训练我们的目标检测模型 8. 评估我们的目标检测模型 (mAP 指标) 9. 写一个简单的 Web 页面来演示我们的目标检测模型
COCOImgNetVOC
131 订阅

“花式吊打”系列之逻辑回归讲透透

最近,一个研究生来面试,竟然连逻辑回归的算法都讲不清楚,这或许就是古人说的 “日用而不知” 吧,我想我们都不想只做一个 “调包者” ,而是成为一个 “明白人” 。 本场 Chat 我们以逻辑回归为切入点,从统计学基础知识,到线性回归、逻辑回归原理,公式推导,Python 代码实现,最后剖析一个业务模型等一系列步骤,配合大量图片及代码,来串起一条机器学习入门的基本线。 通过本场 Chat ,您将学习到以下内容: 1. 统计学基础知识,如方差、随机变量、概率密度函数、二项分布、泊松分布、大数据定律、正态分布、中心极限定理、置信区间等; 2. 简单直白地介绍线性回归、逻辑回归(直观、轻松感受); 3. 线性回归推导,如极大似然估计;最小二乘法推导、梯度下降法推导及 Pthon 代码求解参数等; 4. 逻辑回归推导,包括逻辑回归成本函数;梯度下降法推导及 Pthon 代码求解参数等; 5. 构建业务模型,包括业务分析、数据清洗、模型训练、模型评估、保存模型、模型API、模型应用等; 6. 逻辑回归与 Softmax 区别及联系; 7. 总结。
严选逻辑回归
343 订阅

从零开始做你自己的文字识别系统

关注人工智能的同学,都知道百度云、阿里云上面都有很多人工智能服务 API 可以调用,外行的人都觉得很高深,殊不知,其实我们自己也可以做得出来。 为了帮大家揭开人工智能的神秘面纱,本 Chat 将带领大家从零开始训练自己的文字识别模型,编写 API 服务,并创建一个 Web 页面来演示其功能。以此,让大家快速走一遍模型训练和部署的过程,获得成就感,激发自己的学习兴趣。 本场 Chat 的主要内容有: 1. 如何获取训练数据集 2. Yolo V3 原理介绍 3. 使用 Yolo V3 训练文字检测模型 4. 使用 Pytorch 训练文字识别模型 5. 编写模型 API 服务 6. 使用 Docker + Flask 部署模型 7. 文字识别系统完整设计方案 本次 Chat 适合对人工智能感兴趣且有一定编程基础的工程师。
严选文字识别
515 订阅

代码案例讲解程序员的第一性原理

我发现很多时候,我们学习是没有套路的,容易焦虑,学得很多,学得很杂,这是一个码农的真实状态,要摆脱这种状态,我们需要找到一个套路,我这里总结的套路就叫“程序员的第一性原理”,请看: - 第一性原理:联系通道 - 基石理论: 普遍联系 - 方法论:联系通道法、断联法、去元法 学习了第一性原理,掌握了背后的模型,你会有方向,你不会迷茫,你不会再拼命的东学西学,你会知道自己什么该学,什么不该学。这样的程序人生,是不是更接近于您的理想人生呢? 本场 Chat 我将从以下几个方面分享: 1. 什么是第一性原理? 2. 我是怎么找到程序员的第一性原理的? 3. 程序员的第一性原理是什么? 4. 学习第一性原理有什么用? 5. 通过代码案例并图形化来讲解如何应用第一性原理方法论 5.1 Insightface 人脸识别训练代码研究 5.2 Java 设计模式之装饰模式 6. 结语
程序员
218 订阅

手把手教你做人脸搜索系统

我发现网上非常多资料是讲人脸识别原理的,却很少有讲人脸识别如何应用落地的。所以本场 Chat 我将应用一个开源人脸识别模型做一个人脸搜索系统。 通过本场 Chat 你能够学到如下内容: 1. 人脸识别原理简要说明; 2. 人脸识别开源项目 Insightface 环境搭建; 3. Insightface 算法关键代码剖析; 4. 通过 Annoy 实现人脸特征编码的向量搜索; 5. 通过 Flask 构建人脸特征编码入库、搜索 API 服务; 6. 使用 Flask+Docker+Gunicorn+Nginx 部署人脸搜索系统; 7. 人脸搜索系统整个项目的完整设计过程。
严选人脸搜索
1195 订阅
微信扫描登录