【每周CV论文推荐】 人脸识别剩下的难题:从遮挡,年龄,姿态,妆造到亲属关系,人脸攻击...

基于深度学习的轻量化生物特征认证系统实战 生物特征认证是现代身份验证的核心技术,其本质是通过人脸、指纹等生理特征提取高判别性向量,并在嵌入式环境中完成低延迟、高精度的相似度比对。关键技术原理包括特征嵌入、度量学习(如ArcFace Loss)与活体检测协同设计,确保系统既能抵抗打印攻击、屏幕回放等欺诈行为,又能在资源受限设备上稳定运行。该方案的技术价值在于摆脱云端依赖、支持本地化部署、具备强泛化能力与工业级误识率(FAR<0.001%),广泛适用于智能门禁、考勤终端、IoT支付等边缘场景。本文聚焦可落地的深度学习实现路径,涵盖MobileFaceN 阅读详情

欢迎来到《每周CV论文推荐》。在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的。

人脸识别系统已经大规模商业化应用,但这并意味着它就发展到顶了,剩下的都是一些难题,包括遮挡/年龄/姿态/妆造/亲属/伪造攻击等。

作者&编辑 | 言有三

1 遮挡人脸检测与识别

遮挡人脸的检测和识别是一个很常见的现实问题,不论是姿态等带来的自遮挡还是外物带来的遮挡,都会严重损害人脸识别模型的性能,值得对相关领域感兴趣的朋友深入关注。

文章引用量:30+

推荐指数:✦✦✦✦✧

[1] Wang J, Yuan Y, Yu G. Face attention network: An effective face detector for the occluded faces[J]. arXiv preprint arXiv:1711.07246, 2017.

[2] Yuan X, Park I K. Face De-occlusion using 3D Morphable Model and Generative Adversarial Network[J]. arXiv preprint arXiv:1904.06109, 2019.

2 跨年龄人脸识别

年龄的变化使得人脸的图像特征发生很大的变化,跨年龄的人脸识别无疑也是一个很难的问题,同时也是一个具有重大社会价值的课题。从年龄不变特征提取到年龄仿真,相关的研究非常多,这个综述可以作为一个好的开始。

文章引用量:很新

推荐指数:✦✦✦✦✧

[3] Sawant M M, Bhurchandi K M. Age invariant face recognition: a survey on facial aging databases, techniques and effect of aging[J]. Artificial Intelligence Review, 2019, 52(2): 981-1008.

3 跨姿态人脸识别 

大姿态造成人脸显著特征的缺失,一样会严重影响模型的性能。从姿态不变特征提取到正脸姿态仿真,相关的研究非常多,这个综述可以作为一个好的开始。

文章引用量:200+

推荐指数:✦✦✦✦✦

[4] Ding C, Tao D. A comprehensive survey on pose-invariant face recognition[J]. ACM Transactions on intelligent systems and technology (TIST), 2016, 7(3): 37.

4 妆造人脸识别

年龄的变化会导致人脸的生理特征发生变化,而妆造则可能直接掩盖了人脸固有的特征,也对人脸识别构成了很大的挑战,非常具有研究意义。

文章引用量:较少

推荐指数:✦✦✦✦✧

[5] Li Y, Song L, Wu X, et al. Anti-Makeup: Learning a bi-level adversarial network for makeup-invariant face verification[C]//Thirty-Second AAAI Conference on Artificial Intelligence. 2018.

5 亲属关系识别

由于遗传等因素,子女的人脸会与父母相似,因此人脸识别中有一个小的领域即亲属人脸识别,也具有一定的研究意义。

文章引用量:40+

推荐指数:✦✦✦✧✧

[6] Robinson J P, Shao M, Wu Y, et al. Families in the wild (fiw): Large-scale kinship image database and benchmarks[C]//Proceedings of the 24th ACM international conference on Multimedia. ACM, 2016: 242-246.

6 人脸伪造与攻击

当前的人脸伪造技术已经非常高超,如何检测与识别伪造人脸将是未来一个很大的挑战。

文章引用量:很新

推荐指数:✦✦✦✦✦

[7] Rössler A, Cozzolino D, Verdoliva L, et al. Faceforensics: A large-scale video dataset for forgery detection in human faces[J]. arXiv preprint arXiv:1803.09179, 2018.

7 如何获取文章与交流

找到有三AI开源项目即可获取。

https://github.com/longpeng2008/yousan.ai

文章细节众多,相关的人脸数据集在以及论文阅读交流在有三AI知识星球中进行,感兴趣可以加入。

总结

本次我们介绍了从遮挡,年龄,姿态,妆造人脸识别到亲属关系,人脸攻击等问题,另外3D人脸识别没有专门讲述,因为它实际上与姿态等问题是相关的,光照和表情,少样本问题也没有仔细阐述,感兴趣的读者可以自行拓展。

有三AI秋季划

有三AI秋季划已经正式启动报名,模型优化,人脸算法,图像质量共24个项目,助力提升深度学习计算机视觉算法和工程项目能力。

有三AI秋季划出炉,模型优化,人脸算法,图像质量等24个项目等你来拿

转载文章请后台联系

侵权必究

往期精选

深度学习的六大工程边界与落地刹车片设计 深度学习本质上是高阶统计拟合器,其能力受限于数据质量、泛化鲁棒性、可解释性、计算成本、因果推理等基础约束。理解这些边界不是质疑技术价值,而是构建可信AI系统的前提:数据依赖决定模型能否跨场景迁移,泛化能力断崖揭示实验室指标与真实世界性能的鸿沟,而鲁棒性与可解释性则直接关联安全关键场景的工程准入门槛。本文聚焦工业级落地中反复验证的六大物理与逻辑极限,并提供数据锻造、混合专家架构、可解释性工程等实战路径——不追求理论突破,而是为深度学习装上可测量、可干预、可演进的‘刹车片’,让算法真正服务于业务连续性与人机协同 阅读详情

相关推荐

深度学习驱动的多人脸标定、美颜美妆与活体检测工程实践

人脸关键点检测是计算机视觉中人脸分析的基础环节,其精度直接影响后续的美颜美妆、表情识别与活体检测等任务。基于深度学习的人脸关键点定位,结合卷积神经网络与图像处理算法,能够实现多人脸场景下的稳定标定与实时美化。在实际工程中,如何将检测、标定、美颜、活体检测串联成高效流水线,并解决坐标对齐、时序配合、性能优化等问题,是落地应用的关键。本博客围绕一套基于深度学习的多人脸标定与美颜美妆活体检测系统,详细剖析了模块设计、核心算法、模型部署及调优经验,适合安防、互动营销、相机App等场景的开发者参考。

weixin_34115824的博客 664

FaceForensics: A Large-scale Video Dataset for Forgery Detection in Human Faces论文阅读笔记

利用卷积神经网络(CNNs)学习非常强大的图像特征,这些方法依赖于大量的训练数据,而迄今为止大多数取证数据集都是手动创建的,因此规模有限。缺乏可用的训练数据是训练用于操纵检测的深度网络的严重瓶颈,并且使得很难评估不同的方法。关注完整性早期方法是由手工制作的特征驱动的,这些特征捕捉图像形成过程中出现的预期统计或基于物理的伪影。为了缓解训练样本的短缺,我们引入了一个全面的面部操作数据集,该数据集由1004个视频中的500000多帧组成,使用最先进的Face2Face方法[2]。

weixin_42418315的博客 977

(人脸识别系统研究与实现)全部论文和源代码

人脸识别系统研究与实现)全部论文和源代码

《每周CV论文》人脸识别难题:遮挡年龄姿态妆造亲属伪造攻击

人脸识别系统已经大规模商业化应用,但这并意味着它就发展到顶了,剩下的都是一些难题,包括遮挡/年龄/姿态/妆造/亲属/伪造攻击等。 作者&编辑 | 言有三 1 遮挡人脸检测与识别 遮挡人脸的检测和识别是一个很常见的现实问题,不论是姿态等带来的自遮挡还是外物带来的遮挡,都会严重损害人脸识别模型的性能,值得对相关领域感兴趣的朋友深入关注。 文章引用量:30+ 推荐指数:✦✦✦✦✧ ...

喜欢打酱油的老鸟 594

A study on the effective approach to illumination-invariant face recognition based on a single image

In this paper, the methods for single image-based face recognition under varying lighting are reviewed. Meanwhile, some representative methods as well as their combinations are evaluated by experiments, and the underlying principle of the experimental results is investigated. According to our investigation, it is almost impossible to attain a satisfied face recognition result by using only one facial descriptor/representation especially under drastically varying illuminations. However, the "two-

自学篇--使用keil5.23创建一个stm32工程并编译(固件包自带版本)

之前在本科学习阶段学习过一点51单片机的知识,可是因为基本没有实践过几次现在已经完全忘记了。。前几天老师突然丢给我几个板子说让我把程序编译、烧写环境装好,当时我就震惊了,不过经过三四天的自我摸索,之后参考他人的学习经验,现在已经基本能处理这个问题了,所以为了方便后面的学者,主要也是为了把自己这几天的学习成果记录一下,我在这里把这个过程写下来。(因为刚刚接触,很多原理性的东西都还不懂,只是一个操作步

yang_csdnForOBTS的博客 8660

人脸识别经典论文

1、1991,Eigenfaces for recognition 摘要 1. 提出一个近于实时的系统来提取特征,定位人脸,识别人脸 2. 仅需要2-D的人脸,不需要做3-D的重构,仅需要少量数据集 3. 找到人脸空间的一组基向量,即eigenface,不需要传统的一些局部特征比如眼睛鼻子嘴巴等等 4. 将新的人脸样本投影到这组基向量中,得到一组坐标,即为这张人脸的特征表示 研究成果及意义 1.采用统计学习算法理论,充分利用了数据的信息 2.将PCA算法与人脸特征巧妙结合一起,把单张人脸图片看作是

gs344937933的专栏 6657

富芮坤FR801xH蓝牙协议栈启动流程和notify实现温度数据主动上传

文章目录一、蓝牙协议栈启动流程1.1 初始化代码1.2 初始化流程1.3 回调函数里的初始化二、notify实现2.1 notify介绍2.2 notify实现2.3.1 定义数据2.3.2 获取连接号conidx2.3.3 gatt_notification函数的使用三、notify温度上传测试3.1 蓝牙调试工具3.2 蓝牙调试器设置3.3 测试结果四、参考链接   基于sdk开发的好处是方便项目的快速落地,现在用的是SDK里面的源文件,目前只是学习FR801xH芯片的特性,裁剪这个SDK需要点时间,

weixin_43810563的博客 4321

人脸识别(Face Recognition)简要综述

文章目录人脸识别在计算机视觉中的位置早期方法Face Recognition with Local Binary Patterns(【ECCV 2004】)LBP的feature map计算方法:除此以外LBP算子还有改进版本:LBP的特点从LBP的得到的“图片”到“向量”数据集一些较新的文章FaceNet(【CVPR 2015】)Finding Tiny Faces with GAN(【CVPR 2018】)Masked Face Recgonition with latent part(【ACM

Konata的博客 1万+

Ubuntu20.04系统Cuckoo sandbox所需环境搭建及安装(超详细图文)

请勿叫我大神,我只是互联网的搬运工~ 前言 本教程以Ubuntu20桌面版作为示范,服务器版同样适用,但可能稍微麻烦一点,服务器版本的话安装Xmanage套装使用可能会相对轻松一些,由于后面会使用到vbox的使用,对vbox命令行操作不熟悉的小伙伴用xmanage可能会相对轻松一点。 提示:以下是本篇文章正文内容,下面案例可供参考 安装ubuntu20桌面版 步骤1:转到https://ubuntu.com/download/desktop下载下载.iso。 步骤2:使用您选择的虚拟机监控程序(VMWa

ElsonHY的博客 1万+

等保2.0下可信验证的动态实现与合规实践

本文深入解读等保2.0标准中的“可信验证”要求,并重点探讨其动态实现与合规实践。文章阐述了从可信根、信任链到动态验证的核心概念,拆解了不同安全等级的实施差异,并提供了从硬件选型、软件赋能到平台集成的四步落地指南。通过行业案例与避坑心得,为构建覆盖计算环境、区域边界、通信网络和安全管理中心的全链条可信防御体系提供了实用参考。

d3e4f的博客 829

c++ 人脸识别_【每周CV论文推荐】 人脸识别剩下的难题:从遮挡,年龄,姿态,妆造到亲属关系,人脸攻击...

我的新书《深度学习之人脸图像算法》市了,欢迎大家关注!言有三新书来袭,业界首次深入全面讲解深度学习人脸图像算法​mp.weixin.qq.com欢迎来到《每周CV论文推荐》。在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的。人脸识别系统已经大规模商业化应用,但这并意味着它就发展到顶了,剩下的都是一些难题,包括遮挡/年龄/姿态/妆造/亲属...

weixin_34079825的博客 217

Plant Simulation数字孪生实战:从零搭建生产车间模型(附SimTalk脚本示例)

本文详细介绍了如何使用Plant Simulation从零构建生产车间数字孪生模型,包括基础建模、SimTalk脚本编程、参数化设计和高级应用。通过实战示例展示动态逻辑控制、设备故障模拟等关键技术,帮助工程师快速掌握数字孪生技术在制造业中的应用。

weixin_42527160的博客 359

【开源项目】一个GitHub项目,囊括人脸图像要读的重要论文

今天给大家分享一个非常优秀的GitHub项目,由GitHub用户ChanChiChoi创建,包括了几乎所有人脸方向的论文,适合需要在人脸领域进行学习的朋友跟读。项目简介项目地址为http...

hacker_long的专栏 4557

保姆级教程:用NovAtel Inertial Explorer 8.7搞定GNSS/INS紧组合后处理(附避坑指南)

本文提供NovAtel Inertial Explorer 8.7的GNSS/INS紧组合后处理全流程教程,涵盖环境准备、数据转换、基站坐标解算及紧组合处理等关键步骤。特别针对零基础用户,分享实用技巧和常见陷阱,帮助高效完成高精度组合导航数据处理,适用于测绘、自动驾驶等领域。

weixin_42614269的博客 283

Cesium教程(十七):淹没分析

淹没分析是根据某片区域的地形及洪水流量速度,动态模拟该地形区域水位逐渐上涨的淹没过程。该功能可适用于山区、丘陵等地形起伏较大区域,模拟洪水涨到安全限定高度的淹没过程,为防洪水救灾提供一定的参考。此外,还可以为河谷地带修建水利工程设计与选址提供参考依据。

WwLK123的博客 3009

【年终总结】有三AI至今在人脸图像算法领域都分享了哪些内容?

在所有图像中,人脸是最大的一个领域,研究人员最多,应用范围最广,对我们的生活影响最深。每一个从事计算机视觉的人不可能完全绕过人脸图像,那么迄今为止有三AI在人脸方向都输出了哪些内容呢?人...

hacker_long的专栏 950

【第三方互联】12、支付宝(Alipay)授权第三方登录

我们创建了支付宝开放平台的网页&移动应用,审核通过后,我们需要拿到appid,支付宝公钥,私钥进项开发 一、添加应用信息至项目环境中 我们保存了 appid、应用私钥、支付宝公钥、支付宝回调地址等信息,这里的公钥为支付宝开放平台为我们生成的“支付宝公钥” 二、引入 Maven 依赖 <!-- 支付宝SDK --> <dependency> <g.........

JACKAL 21万+

开源最好的人脸识别算法_【通知】深度学习之人脸图像算法核心代码开源和勘误汇总...

许多同学早就在问人脸图像的书什么时候代码开源,8月底我们如约而至,今天开源核心的代码以及对第一次印刷的勘误汇总。代码开源本次跟之前的两本书一样,代码开源在我们官方的GitHub项目中,按照有实战部分的章节进行开源。其中参考了开源项目的代码,会在对应章节的readme.txt中给出项目的链接,请大家配合书中代码说明进行实践,其中部分代码的使用与开源项目有所不同。而书中原创的代码,会给出模型配置文件和...

weixin_39662228的博客 463

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

【通知】深度学习之人脸图像算法核心代码开源和勘误汇总

许多同学早就在问人脸图像的书什么时候代码开源,8月底我们如约而至,今天开源核心的代码以及对第一次印刷的勘误汇总。代码开源本次跟之前的两本书一样,代码开源在我们官方的GitHub项目中,按...

hacker_long的专栏 687

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

【总结】只需5步,给所有想入行人工智能/深度学习的新手们准备的资料

对于新人来说,如何选择一条正确的道路比努力更加重要,这是有三AI给所有想要入行人工智能/深度学习领域的朋友准备的资料汇总,也是我建议一个初学者必须走完的5个步骤。第一步:先知道AI能做什...

hacker_long的专栏 3755

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

【总结】超1000页有三AI文档资源领取方法汇总!

这几年我们平台输出了很多内容,有免费的也有付费的,有图文也有视频,本次对我们所有文档类资源领取方法做一个汇总。由于公众号分享资源经常会面临失效的问题,因此我们将所有文档资源放置在了有三AI...

hacker_long的专栏 3129

【杂谈】计算机视觉新手如何选读论文?这100多篇你必须收下。

从事计算机视觉领域的工作或者研究,必不可少的一件事情就是读论文,目前论文这么多,对于新手朋友们来说,该如何进行选读呢?本次来汇总一下我们的论文推荐专栏,给大家推荐各个方向,超过100篇文...

hacker_long的专栏 2448

【杂谈】什么文章可以给有三AI投稿?你能得到什么

我们公众号的风格是做系统性的原创,除了一些资源类的东西,大多数是专栏,大部分是有三本人在写,还有一些是其他的专栏作者,那么现在有哪些专栏可以自由投稿,新手也可以来练练手呢,今天就来汇总一...

hacker_long的专栏 1429

用 OpenCV 模拟物理对抗样本:无电子元件眼镜如何干扰人脸检测

在计算机视觉与 AI 应用开发日益普及的今天,人脸检测已成为安防、零售、广告等领域的基础技术。然而,当摄像头与视觉算法组成线下传感器网络,个人隐私正面临前所未有的自动化采集风险。对抗样本作为机器学习安全的重要概念,通过向输入数据添加精心设计的扰动,可有效降低模型识别置信度。物理世界中的对抗样本则将这类扰动打印在衣物或镜片上,从源头破坏人脸关键点定位与视线估计。OpenCV 作为最常用的图像处理工具,能够快速搭建实验验证图案干扰检测算法的有效性。本文从隐私工程视角出发,介绍 DuckDuckGo 无电子元件智

weixin_33785108的博客 446

Python深度学习:从入门到实战

亲爱的读者,欢迎您翻开这本书。我们即将探索的,是深度学习的宇宙——一个由数据、算法与算力构筑的奇妙世界。它既是严谨的科学,也是创造的艺术,更是一条通往未来智慧的修行之路。本书将带您从最基础的数学原理出发,亲手搭建神经网络,驾驭Transformer等前沿模型,最终将智慧转化为现实世界的价值。请放下畏惧,保持好奇。这不仅是一次知识的学习,更是一场思维的远行。来,随我一起,开启这趟非凡的旅程吧。

weixin_45747731的博客 450
上一篇: 【AI产品】 基于深度估计如何后期调整景深,看AppStore神器Focos就知晓
下一篇: 【知识图谱】知识抽取是什么,怎么做?
言有三
言有三 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄15年 3635粉丝 976原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

言有三

三人行必有AI

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值