شياو بيان هو شخص كسول بطبيعته، ولكنه أيضا الصبر، وهذا هو معظم خدمات تكنولوجيا المرح.

على سبيل المثال، منذ السنوات العشر، والناس لا تزال تستخدم عصر النقد العالمي، تجاري صغير في خط مخزن الخروج، أمين الصندوق عندما أرى الذروة عندما التغيير سوف تبدو قلقا، وتمنى الوحيد الذي يمكن أن يذهب أخذ الأمور مباشرة الناس. في ذلك الوقت يجب أن يكون الشاب شياو بيان Zuanjinquantou يحلم المستقبل وسيلة لاختراع لا نبحث عن تغيير طفيف.

في وقت لاحق في قلب الحلم برعم لسنوات عديدة من قبل الآخرين تتحقق، بخيبة أمل سلسلة صغيرة للاستمتاع بالموسيقى الخاصة بهم. واستخدام الهاتف النقال تكون قادرة على اكتساح الساحة لدفع أكثر راحة من استخدام النقد. يعلم الله سلسلة صغيرة يمكن أن يكون "كسول سرطان حريصة +" في وقت متأخر، مع مرور الوقت، ورفع يده كود المسح يعتقدون فعلا هذا النوع من العمل هو مزعجة للغاية لإدخال كلمة المرور. لذلك، يتم حفظ ظهور لاحقة الدفع بصمة سلسلة صغيرة.

وفي وقت لاحق، حتى الأصابع لا تتحرك، لأنه كان هناك ملحوظا تجربة "فرشاة وجه السداد"، مع يد اي فون، يجب أن أقول شياو بيان أحب هذه الميزة.

آه، فإن فرشاة تواجه الأجر انقاذهم من سلسلة صغيرة من قلق الانتظار وقتا طويلا لدفع والقلق في مجال العلوم والتكنولوجيا في جو المنزل حتى قسم التحرير تكنولوجيا المعلومات في تراجع الدعارة بعد سنوات عديدة، ورأى شياو بيان حاجة الجميع إلى نقاش حول ". فرشاة الوجه "في نهاية المطاف هو ما، يمكن ان يسمى الامتنان!

"الوجه فرشاة"، كما يوحي اسمها، هي التكنولوجيا الرئيسية وراء: التعرف على الوجه.

لا تبدو في العامين الماضيين بسبب استخدام على الهواتف الذكية والساخنة، في الواقع، وتواريخ البحوث الوجه تكنولوجيا التعرف على العودة إلى أقرب 1950s، وعندما كان العلماء يدرسون طريقة استخراج وجه كفاف، ولكن محدودة التكنولوجيا، وكان البحث في هذه التكنولوجيا الراكدة حتى 1980s، وطريقة التعرف على الوجه يكون انطلاقة جديدة، الفسيولوجيا العصبية، والأمراض العصبية، هو عرض المعرفة البصرية وغيرها ذات الصلة في التعرف على الوجوه الجديدة مرحلة من مراحل التنمية.

ولذلك، فإن المرحلة الحالية من التعرف على الوجه ليست تقنية واحدة، ولكن التقارب بين العديد من التخصصات التقنية الفسيولوجيا العصبية، والأمراض العصبية، ورؤية الكمبيوتر. ومع ذلك، فإنه هو في جوهره تكنولوجيا الرؤية الكمبيوتر.

وبطبيعة الحال، منازل IT لا محور هذا الاستعراض المادة الاعتراف التاريخ، ولكن الحديث الجميع حول بعض المبادئ الأساسية وراء التعرف على الوجه.

العمارة منطق الأساسية لنظام التعرف على الوجه

كل يوم نستخدم تقنية التعرف على الوجوه لفتح دفع فواتير الهاتف، أمر طبيعي جدا، ولكن عدد قليل جدا من الطلاب على التفكير بعمق ويعتقد أن وراء التكنولوجيا كيف يمكن لعملية.

ولكن قلنا، رؤية الكمبيوتر هي الأقرب تقنية التعرف على العلاقة. لذلك علينا أن نبدأ من هذه النقطة.

الكمبيوتر الرؤية، بالعامية هو استخدام كاميرات الفيديو، وبدلا من العين البشرية، إلى صور اكتساب باستخدام صورة الكمبيوتر معالجة المعلومات، ويستخدم النموذج المعرفي البشري المتكامل لحساب نظرية رؤية الإنسان.

ومن بين هذه، بلا شك الأكثر صعوبة هو كيفية التعامل مع معلومات الصورة، وكيفية محاكاة النموذج المعرفي البشري.

لحل هذه المشاكل، يقدم رؤية الكمبيوتر أيضا معالجة الصور، ومعرفة نمط الاعتراف، فهم الصورة، وتوليد الصور وغيرها من التخصصات.

معالجة الصور هو تحويل الصورة الأصلية إلى جهاز الكمبيوتر صورة أسهل لتحديد، التعرف على الأنماط، ويحدد الكمبيوتر الخاصة بها لتحديد ما والعمليات كيف الهوية؛ صورة الفهم، هو صورة من مشهد وصفت التحليل؛ جيل صورة، على سبيل المثال عندما يكون جزء من معلومات الصورة مفقود، يمكن أن تكون المعلومات الناقصة حتى ......

هذه هي الحاجة إلى استخدام تخصصات تكنولوجيا الرؤية الكمبيوتر. ما نريد أن نركز في الحديث عن التعرف على الأنماط، هو النظام النظري مستقلة ومحددة لتطبيق رؤية الكمبيوتر الذي يمثل الكمبيوتر الذي من الصور والفئات عملية المطابقة متسقة.

ليس ذلك قليلا لفهم. IT الوطن للجميع لشرح الشعبي، ما يسمى ب "الهوية" هو الاعتراف أولا ثم تحديد. ما فهم؟ أنا أقدر أن ملامح الصورة من الصورة عن طريق جمع الكائن الهدف. كيفية التعرف؟ وتتلخص ميزة صعودا وأنها تتقن قاعدة بيانات التوقيع للمقارنة، قبل تمكين التمييز.

نحن البشر الاعتراف نفس الكائن هو اتباع هذا المنطق، فإن أول ملخص الميزة، ومن ثم مقارنة. أما بالنسبة للأمام "نموذج"، وهي مجردة قليلا، يمكنك أن يفهم على أنه القانون الذي يؤثر على نتائج خصائص وأنواع التحالفات.

نعم، هذا هو جوهر عملية الاعتراف.

لذلك، نحن نفكر على التعرف على الأنماط، نظرة على مجمل العملية وهي: مرحلة ما قبل العلاج، على التوالي، واستخراج ميزة والتصنيف. نلفت الرسم البياني التالي:

المعالجة هي الخطوة الأولى، ولكن هذا جزء من العمل قد يكون هناك الكثير من معقدة للغاية، على سبيل المثال، للحد من الضوضاء في الصورة، لتحسين وضوح، بما في ذلك أيضا تصفية الصور، تحويل، تحويل الشفرة، وتحويل التناظرية الرقمية وما شابه ذلك.

استخراج ميزة، في صورة preprocessed التي يتم استخراج لتحديد تأثير كبير على الخصائص، وتقليل البعد من ميزات نمط في هذه العملية، لتجعل من السهل التعامل معها. هذه هي عملية معقدة، مرة عندما تحدثنا عن طريقة محددة سينعكس.

تصنيف غير تصنف القيم ميزة المستخرجة وفقا لمعايير معينة، لتسهيل عملية صنع القرار.

على سبيل المثال، الكمبيوتر للتعرف على الرجل في هذه الصورة، عندما حصلت على الصور، قد تشعر الشاشة هي أيضا الظلام، أول سطوع ذكر، ومن ثم وجدت أن الضوضاء أكثر من اللازم، ومن ثم تقديم وجبة تشغيل الضوضاء ...... بعد الشعور به، ووضع الصورة في المعلومات الرقمية، فإن العملية المعالجة.

استخراج قيمة الميزة في الفضاء ميزة في الفرد، لأنها يمكن أن تجعل أفضل تحديد وتصنيف. بعد ذلك، فمن الضروري للفضاء ميزة في تصنيف البيانات، والسماح لهم بالرحيل عيون العين والأنف المملوكة الأنف، والشعر، والشعر ...... يذهب بناء على هذه البيانات تصنيف جيد، يمكن للكمبيوتر التعرف على الأحكام والقرارات.

وبطبيعة الحال، من أجل تسهيل فهم هذه العملية منطقية، IT البيت هنا هو مجرد وصف المثال سطحية قد لا تكون دقيقة، الخطوات العملية معقدة جدا، ولكن أن تنظر أيضا في مجموعة متنوعة من تدخل عوامل، على سبيل المثال، جودة الصورة ليست واضحة، الخلفية معقدة، التوزيع غير المتكافئ للصورة الإضاءة، ويتم تشويه زاوية الموقف الهدف أو يرتدي العمامة، ونظارات تشانغ لحية، ماكياج وكما هو الحال في كل حالة.

كما ينبغي ملاحظة أن هذا النظام التعرف على الأنماط هو الحاجة إلى التدريب الذاتي، وعملية التعلم، والأكثر أهمية هو تدريب نسبة الخطأ تصنيف السابق (التدريب المصنف)، لأنه في تصنيف السابق، ونحن لا يمكن ضمان نتائج تصنيف غير صحيحة 100، ولكن يجب أن يسيطر على فئة معينة من نسبة الخطأ، والتي يجب إعادة النظر باستمرار من خلال الكثير من عينات التدريب، حتى أن نسبة الخطأ لتلبية المتطلبات.

حسنا، استنادا إلى المناقشة الواردة أعلاه من رؤية الكمبيوتر، والتعرف على الأنماط، والتعرف على الوجه يمكن أن نعطي النظام ظيفة وحدات رئيسية هي:

قد يكون هناك شركاء صغيرة يشعرون بأن المذكورة أعلاه يتميز هذا النموذج من السهل جدا، ولذا فإننا سوف يكون دقيقا، وبالنظر إلى الرسم البياني منطق التالية، وأعتقد أن من السهل أن نفهم:

طريقة اعتراف المجتمع

في جزء من ما سبق، ونحن نقدم تدفق المنطق الأساسي من التعرف على الوجه، التعرف على الوجه هو في الواقع والفكرة الأساسية هي مشابهة نسبيا، هو للتغطية على ميزة استخراج صورة، والتحويل إلى فرعي مساحة مناسبة، ثم قياس هذا الفضاء الفرعية التشابه أو التعلم تصنيف. ولكن المشكلة تكمن في كيفية التوفيق بين استخدام العالم الموضوعي والتمثيل الفعال؟ نحن نريد لمعرفة كيفية فضاء جزئي مناسبة، وكيفية تصنيف، من أجل التمييز بين فئات مختلفة، الفئة مماثلة جمعت؟ لحل هذه المشاكل، ولدت مجموعة متنوعة من الأساليب والحلول.

لذلك، نحن نتحدث عن العامة تقنية التعرف على الوجوه هو، في الواقع، وهذا هو عبارة عن مجموعة من الكثير من التقنيات والأساليب.

ونحن قد تستند كذلك على منطق فوق خطوة هيكل الرسوم البيانية خطوة تعليمات.

1، المعالجة

المعالجة المسبقة صورة الوجه، وهذه الخطوة ليست الكثير ليقوله، بما في ذلك القضاء على الضوضاء، والتطبيع الرمادي، والتصحيح الهندسي، هذه العمليات هي خوارزمية عموما متاحة بسهولة يمكن تنفيذها، والعمليات الأساسية نسبيا. ولكن تبين أن هذا هو الحديث بشكل رئيسي حول ثابت صورة الوجه قبل المعالجة، وإذا كان الوجه الديناميكي صورة ما قبل المعالجة، وأكثر تعقيدا، وعادة صورة الوجه الأول الحيوية إلى مجموعة من صورة الوجه ثابتة ثم حافة كشف الوجه البشري، والمكان، والقيام بسلسلة من تجهيز هنا لم يتم تشغيل.

2، واستخراج ميزة

ميزة استخراج صورة هو خطوة أكثر أهمية (المذكورة أعلاه عبر النمط المكاني للفضاء الميزة)، لكن الخطوة معالجة الصور هي أيضا في وقت مبكر نسبيا. يوجد حاليا حول أساليب استخراج ميزة صورة كثيرة، ولكن في الواقع نحن نفكر في الخصائص العامة للصورة لا يزال من الممكن تصنيفها، مثل اللون، وخصائص الملمس، والعلاقات ميزة الفضاء والشكل وغيرها من الخصائص، كل ميزة لها مطابقة طرق، بعضها أكثر كلاسيكية وسهلة لاستخدام أساليب مثل يتميز HOG الطرق، حيث طريقة LBP، حيث طريقة هار، بطبيعة الحال، من المستحيل لشرح سلسلة صغيرة، حتى هنا لتحديد ميزة واحدة طريقة --HOG.

HOG الميزة، المعروف أيضا باسم التدرج الاتجاه الرسم البياني، بل هو من قدم نافنيت دلال وبيل تريجس في أطروحة الدكتوراه في عام 2005. ونحن نتطلع ببساطة في كيف تم القيام به.

لدينا هذه الصورة، على سبيل المثال، فإن الخطوة الأولى هي تريد تحويلها إلى صور بالأسود والأبيض، معلومات اللون هنا بسبب الاعتراف لم يساعد.

في هذه الصورة بالأبيض والأسود، ونحن نرى من بكسل واحد، بكسل لاحظ من حوله، لنرى في أي اتجاه ومن أظلم تدريجيا، ثم يشير إلى اتجاه السهم مع بكسل مظلمة.

إذا كان أداء مثل هذه العملية في كل بكسل، بحيث يتم استبدال كل هذه بكسل بسهم، مما يدل على اتجاه التغيير في سطوع بكسل. يشير كل هذا السهم التدرج سطوع.

في الواقع، لكل بكسل، ونظام تنسيق معين، يمكننا تحديد قيمة الاتجاه التدرج فيها. طريقة الحساب هو أكثر تعقيدا، ونحن لسنا بحاجة إلى معرفة، الحاجة إلى معرفة هذه الخطوة هي لالتقاط المعلومات الشخصية للهدف، بينما مزيد من إضعاف العلاقة بين الضوء.

إذا فعلت في الطريقة هذه لاستخراجه، فإن المبلغ من حساب يكون كبيرا. لذلك سوف نستخدم 8X8 صورة بكسل ينقسم إلى مربعات صغيرة، ودعا خلية، ثم يحسب المعلومات التدرج لكل خلية، بما في ذلك حجم واتجاه الانحدار. ناقلات ميزة 9 الأبعاد الناتجة في هذه الخلية.

اعتقد بعض الناس هنا لا يفهمون. IT المنزل مرة أخرى للشركاء صغير يشرح قليلا، في الواقع، والغرض من هذه الخطوة هو بناء المدرج الاتجاه التدرج لكل خلية، والرسم البياني هو مخطط شريط معروفة لدينا، وهذا الرسم البياني، X-محور هو الاتجاه الأقسام مقسمة، تمثل نافنيت دلال وآخرون الدراسة 9 قسم المنقسمين هو أفضل تأثير، وإذا كان اتجاه 180 درجة، ويمثل كل جزء 20 درجة. يمثل المحور الصادي اتجاه حجم الانحدار داخل نطاق معين. هذا هو بمثابة خصائص كل واصف الخلية.

تقريبا ما أعنيه (المصدر: سان فرانسيسكو معالجة الصور أطروحة، جامعة كاليفورنيا)

وهناك أيضا خطوة في حالة تأثر الصورة من خلال الإضاءة كبير نسبيا، فإنه يمكن أيضا أن تكون على يقين من خلية تشكيل كتلة، على سبيل المثال، خلية 2X2، بحيث يكون لكل كتلة 36 الأبعاد ناقلات ميزة، ثم وهذا 36 الأبعاد قيام ناقلات ميزة موحدة (على وجه التحديد كيف القواعد والمتعلقة بعلم الرياضيات العليا، ونحن لسنا في حاجة الى معرفة).

إذا كان حجم صورة هو 256x512 بكسل مساهمتنا، ثم هناك 32x64 = 2048 قه الخليوي، هناك 31x63 = 1953 كتلة قه، كل كتلة لديها ناقل 36 الأبعاد، ثم صورة سيكون 1953x36 = 70308 ناقلات الأبعاد. هذا ناقلات 70308 الأبعاد هو متجه ميزة HOG من الصورة.

بطبيعة الحال، فإن الخطوات المذكورة أعلاه لا يمكن أن نعرف، أنت فقط بحاجة الى معرفة الشكل النهائي للصورة الأصلية ويمثل أصبح HOG، كما هو مبين أدناه:

ثم تشكل أساس هذا الاكتشاف HOG، HOG مع بعض من الأساليب المعروفة، وهي جزء تبدو الأكثر مماثلة في مكتبتنا.

3، والتعرف على الصور

علماء وجه تقنية التعرف بعد سنوات من البحث والتطوير، وشكلت مجموعة متنوعة من أساليب البحث وإجراء المزيد من البحوث، واذا كنا مشط، بما في ذلك طريقة على أساس الخصائص الهندسية للنهج القائم على القالب، فضلا عن النهج القائم على نموذج أساليب أخرى.

وتستند هذه الطريقة على الخصائص الهندسية للمرحلة مبكرة نسبيا، الطريقة التقليدية، وذلك هو دراسة الإنسان هندسة الوجه العين لوصف شكل وهيكل العلاقة بين الأنف وغيرها من الأجهزة، باعتبارها سمة هامة من التعرف على الوجه.

الفكرة الأساسية لنهج قائم على القالب هو أن تأخذ قالب وصورة موجودة نفس حجم المنطقة للمقارنة، بما في ذلك طريقة ارتباط مطابقة تعتمد على طريقة ميزة الوجه، تحليل التمايز الخطي، وأساليب الشبكة العصبية.

وهو سمة بارزة من سمات الوجه على أساس اتجاه نهج النقاط ميزة النموذج، ومن ثم ترميز الوجه الإنساني، ومن ثم استخدام نموذج وجه عملية التعرف على المقابلة، على سبيل المثال، ماركوف المخفية نماذج و Active المظهر نشط الشكل النموذجي أساليب مثل هذا النموذج.

مختلفة خوارزمية التعرف على الوجه

في التعرف على الوجه، وهناك بعض خوارزميات أكثر كلاسيكية، مثل قانون Eigenface (Eigenface)، محلي طريقة أنماط الثنائية، Fisherface، الخ، ولكن IT منزل هنا أو لا تزال تشعر أفضل الأوقات، لذلك اخترت هدية تستخدم على نطاق واسع وسيلة شعبية كمثال على ذلك، ويسمى OpenFace. وبطبيعة الحال، لم نفعل الاختبار الفعلي، فقط لفهم المبادئ المعترف بها.

OpenFace تنتمي إلى النهج القائم على نموذج، هو مكتبة مفتوحة المصدر التي تحتوي على المعالم أو تشكل الرأس، Actionunions، والعين البصر وغيرها من المهام، فضلا عن التدريب واختبار إطار المصدر المفتوح بالنسبة لجميع الوجوه البشرية.

في الخطوات السابقة، فقد كانت موطنا لاقول لكم كيفية استخراج ميزات بيانات صورة وجه الإنسان من قبل وسائل HOG، التي تم الكشف عنها وجها إنسانيا بنجاح.

ثم هناك مشكلة أخرى، وهذا هو لا يبدو الموقف وجه الإنسان حتى "الإيجابي"، وهو نفس الرجل، إذا لها الموقف، والتوجه مختلفة من الوجه، والبشر لا تزال تعترف لها، ولكن قد لا تتعرف على الكمبيوتر .

لحل هذه المشكلة، هناك وسيلة، هو السمة الرئيسية للنقاط سمة من سمات كشف الوجه والمواءمة وجهه جعل المعايرة وفقا لهذه النقاط الميزة. هذا هو وحيد كاظمي وجوزفين سوليفان في عام 2014، وطريقة للاختراع، مما يجعلها جزءا مهما من الوجه المختار 68 نقطة ميزة (المعالم)، والموقف منها ثابتة 68 نقطة، وبالتالي فإن النظام يحتاج فقط بعض التدريب، فإنه يمكنك العثور على هذه النقطة 68 في أي مواجهة.

المصدر: OpenFace API قراءة الوثيقة (انقر هنا لزيارة)

مع هذه النقاط 68، يمكنك تصحيح الوجه الإنساني، وذلك أساسا من خلال مقارنة وجهه ملتوية تحويل تآلفي الأصلي تصويب، في محاولة للقضاء على الأخطاء. هنا تحويل تآلفي أساسا بعض دوران، والتكبير، أو تشوه طفيف، بدلا من تشويه مبالغ فيه، التي لا يمكن قراءتها.

حول هذه العملية، كان وجهه الأصلي درجة معينة من تصحيح (المصدر: الصفحة OpenFace جيثب مساعدة)

لذلك وضعنا هذه الصور الوجه الأصلي وHOG إدخال ناقلات الميزة، يمكنك الحصول على الموقف الصحيح للصورة يحتوي فقط على وجه الإنسان.

علما بأن هذه الخطوة يمكن أن نأخذ هذا مباشرة إلى صورة وجه للمقارنة، لأن حجم العمل كبير جدا، ما علينا فعله هو الاستمرار في استخراج الميزات.

ثم، فإننا نواجه هذه الصور الشخصية ومن ثم إدخال نظام الشبكة العصبية، فإنه يولد ناقلات 128 الأبعاد للوجه، فإنه يمكن القول إن 128 قياسات الوجه الإنساني، فإنها يمكن أن تمثل المسافة بين العينين، والعيون والمسافة، وحجم الحاجبين آذان وهلم جرا. هنا هو مجرد مثال لتسهيل الفهم، في الواقع، وهذا 128 الأبعاد تمثيل ناقلات معين والذي يتميز، ونحن لا نعرف.

بالطبع، هذه الخطوة يبدو بما فيه الكفاية بسيطة، في الواقع، يكمن صعوبة في كيفية تدريب مثل هذا الإلتواء الشبكة العصبية. طريقة محددة من التدريب ليس ما نحتاج إلى معرفته، ولكن يمكننا أن ننظر في فكرة التدريب. تدريب نستطيع دخول ناقلات صورة وجهه، وقال ناقلات يطرح مختلفة من نفس التمثيل الوجه وناقلات وجه آخر من عمليات مماثلة وقال المتكررة، وضبط الدوام، وضبط الهدف هو جعل نفس النوع من التمثيل ناقلات المقابلة في أقرب وقت ممكن، في الواقع، هو نفس الشخص وعلى مقربة من تمثيل ناقلات، والتعاطف، وأنواع مختلفة من ناقلات يمثل المسافة إلى أقصى حد ممكن. أما بالنسبة للمبادئ الأساسية للذكاء الاصطناعي، وتدريب الشبكة العصبية، يمكنك عرض تنشر من قبل مجلس النواب لتكنولوجيا المعلومات "AI ليس الخيال العلمي الأفلام من ويلات، ولكن تتغير ببطء طريقة حياة" في هذه المقالة.

في الواقع، فإن فكرة التدريب أيضا مفهومة جيدا، لأن وجه الشخص مهما تغير الموقف، مع مرور الوقت يتم إصلاحها بعض الأشياء، مثل المسافة بين العينين، وحجم الأذن، وطول الأنف.

بعد الحصول على هذه القياسات 128، والخطوة الأخيرة هي بسيطة، وهذا هو، هذه القياسات 128 و التدريب لدينا، وجميع البيانات وجه اختبارها لم المقارنة، فإن القيم المقاسة أقرب، هو الرجل نريد الاعتراف .

وبهذه الطريقة يمكننا التعرف على الوجه البشري.

ملخص

تقنية التعرف على الوجوه بعد 70 عاما من التنمية، وقد وضعت اليوم في تخصصات فنية شاملة الرؤية الكمبيوتر الرقمي مركز معالجة المعلومات، والذي يجمع بين العلم لأمن المعلومات، واللغويات، وعلم الأعصاب، والفيزياء، ومنظمة العفو الدولية وغيرها من المواضيع الجماع ، له دلالات غنية، والتطور السريع. المنزل IT في محاولات المقالة أشرح لك، ولكن الاعتراف أبسط وشعبية من حيث المبدأ وبسيط نسبيا تحليل حالة استخدام، من الواضح أنه لا يمكن أن تغطي جميع محتويات التعرف على الوجه، مجرد أمل للجميع لفهم، ونعرف الآن أصبحنا معتادين على استخدام التعرف على الوجه يتميز المساعدة.

وتشير البيانات الصادرة شركة أبحاث السوق الجنرال البصائر الدولي أنه بحلول نهاية عام 2025 فإن التعرف على الوجه قيمة سوق الأجهزة العالمية تصل إلى 7170000000 $، يتم استخدام الهواتف الذكية على نطاق واسع تقنية التعرف على الوجوه، كما نفهم توفر التكنولوجيا فرصة في المستقبل، مع ظهور عصر الإنترنت 5G كل شيء، سوق الأجهزة الذكية سيتم توسيع إلى حد كبير، وهذا هو الوجه الحقيقي الاعتراف التكنولوجيا لإظهار معدنه في العالم.

آه، نعم، وأنا أتطلع إلى صوله في وقت مبكر من هذا اليوم وهذا العصر، إلى الوقت الذي Zhangsheng شي شياو بيان الجمال أخيرا تفعل شيء مفيد، ويعتبر أيضا الآباء الاحسان الحية.

هذه الإشارة:

شين لي، ليو Yiguang، زهي يونغ شيونغ، 2015/11/16 "، والتعرف على الوجه الخوارزمية المبدأ: نظام التعرف على الوجه الديناميكي"

CSU985، CSDN، 2018/10/06، "ميزة صورة موجز استخراج"

ضد المتخلفين الاصطناعي، كتب جين، 2018/7/30، "HOG يتميز - مشي الاعتراف"

laolaonuonuo، CSDN، 2018/3/10، "الرئيسي خوارزمية التعرف على الوجه"

البيانات الكبيرة الخامس، CSDN، 2018/8/23، "عمق البضائع الجافة! التعرف على الوجه التكنولوجيا لقراءة المقال (جمع موصى به) "

leon1741، CSDN، 2018/08/02، "من حيث المبدأ الاعتراف لغة عامة الشعب"

zouxy09، CSDN، 2015/4/25، "أسلوب الاعتراف ميزة الوجه (Eigenface)"

CSDN R & D التكنولوجيا، CSDN، 2018/1/26، "لنرى كيف OpenFace تحقيق التعرف على الوجه دقيق".