粗暴蹂躏av无码一区二区三区,精品国产乱码久久,中文又大又粗毛片,又粗又大又硬免费看片视频,亚洲一区,二区,小说专区,黄色网站操逼大片一级,久久久久又大又湿又高潮,国产网友自拍小说,日韩av一卡二卡三卡,亚洲精品aa

摘要:無(wú)論是在茫茫人海中提取面部信息，還是在大圖中識(shí)別出遠(yuǎn)處/細(xì)小的物體，都對(duì)計(jì)算機(jī)視覺(jué)圖形提出了非常大的挑戰(zhàn)。憑借著多年的技術(shù)積淀，來(lái)自卡內(nèi)基梅隆大學(xué)的科研團(tuán)隊(duì)終于找到了其中的訣竅——成功識(shí)別細(xì)小對(duì)象的關(guān)鍵就是尋找與之匹配的更大物體。

卡內(nèi)基梅隆大學(xué)剛剛發(fā)布了其關(guān)于人臉識(shí)別的新研究，由其改進(jìn)的算法能夠從圖片中提取并編碼關(guān)鍵信息，也就是說(shuō)能從人海中迅速提取面部信息。目前是人臉識(shí)別熱門(mén)的創(chuàng)業(yè)方向之一，卡內(nèi)基梅隆大學(xué)的這項(xiàng)技術(shù)研究對(duì)于產(chǎn)業(yè)界的應(yīng)用將起到很大的推動(dòng)作用。

　　無(wú)論是在茫茫人海中提取面部信息，還是在大圖中識(shí)別出遠(yuǎn)處/細(xì)小的物體，都對(duì)計(jì)算機(jī)視覺(jué)圖形提出了非常大的挑戰(zhàn)。憑借著多年的技術(shù)積淀，來(lái)自卡內(nèi)基梅隆大學(xué)的科研團(tuán)隊(duì)終于找到了其中的訣竅——成功識(shí)別細(xì)小對(duì)象的關(guān)鍵就是尋找與之匹配的更大物體。

　　這種能夠從圖片中提取并編碼關(guān)鍵信息的改進(jìn)算法，是由副教授 Deva Ramanan 和博士生 Peiyun Hu 共同推進(jìn)的，可謂是識(shí)別微型人臉里程上的重大進(jìn)步。

在面部的基準(zhǔn)測(cè)試集中，此前的方法只能識(shí)別出 29% 到 64% 之間的正確人類面孔，而她們所提出的改進(jìn)版算法減少了兩個(gè)導(dǎo)致誤差的隱私，從而將正確率提高到了 81%。

　　Ramanan 說(shuō)道：「這就像是尋找在某個(gè)人手中的一根牙簽。當(dāng)你提示對(duì)象可能會(huì)使用牙簽的時(shí)候你就會(huì)非常容易看到它。手指的方位，手部的動(dòng)作和位置都為我們終找到這根牙簽提供了非常重要的線索�！�

　　同樣，為了尋找那些只有極少像素點(diǎn)的的面部，更大照片中的身體或者人群照片都能提供諸多線索。

　　對(duì)于微型面部的提取擁有廣闊的應(yīng)用前景，例如統(tǒng)計(jì)人群數(shù)量等等。而延伸至微型物體的需求日益突顯，就拿自動(dòng)駕駛汽車來(lái)說(shuō)當(dāng)車速越來(lái)越快，必然需要時(shí)刻監(jiān)視和評(píng)估交通狀況，必然需要對(duì)遠(yuǎn)處的物體進(jìn)行充分且正確的識(shí)別，才能做出正確的反應(yīng)�！�

Ramanan 表示通過(guò)輔助關(guān)聯(lián)信息來(lái)幫助識(shí)別對(duì)象并不是什么新鮮的概念。然而，在實(shí)際系統(tǒng)中很難去闡述和表達(dá)這種直覺(jué)。這是因?yàn)閷?duì)關(guān)聯(lián)信息的編碼通常涉及到「高緯度描述」(High-Dimensional Descriptors)，其中包含大量信息但是使用起來(lái)卻是非常的麻煩。

　　他和 Hu 所研發(fā)的方法是使用了「中央凹描述」(Foveal Descriptors)，模擬人類視覺(jué)結(jié)構(gòu)對(duì)關(guān)聯(lián)信息進(jìn)行編碼。中央凹是視網(wǎng)膜中視覺(jué)(辨色力、分辨力)敏銳的區(qū)域，這種方法為圖片的小塊區(qū)域提供了清晰的細(xì)節(jié)，而周圍區(qū)域則比較的模糊。

　　通過(guò)模糊外部圖像，中心凹描述提供了充足的關(guān)聯(lián)信息，在高度聚焦下幫助理解這個(gè)區(qū)域所展示的內(nèi)容，而且極大的降低了計(jì)算負(fù)擔(dān)�；�于這種方式，Hu 和 Ramanan 的系統(tǒng)能夠在更少像素點(diǎn)的圖形塊中尋找并確認(rèn)是否存在人臉。

　　簡(jiǎn)單的增加一張圖片的分辨率可能并不是尋找微型物體的解決方案。伴隨著高分辨率會(huì)帶來(lái)「Where『s Waldo」的問(wèn)題，目標(biāo)對(duì)象包含大量的像素點(diǎn)，極有可能在像素點(diǎn)中迷失。在這種情況下，充分利用關(guān)聯(lián)信息就能夠幫助系統(tǒng)關(guān)注到包含面部的圖像區(qū)塊。除了上文提及的關(guān)聯(lián)信息之外，Ramanan和Hu表示如果在同一個(gè)圖像區(qū)域中數(shù)次檢測(cè)到鼻子，那么利用檢測(cè)器在擁有少數(shù)像素點(diǎn)的圖像區(qū)域中找出面部是非常困難的。因此他們針對(duì)不同尺寸的對(duì)象培訓(xùn)了多個(gè)獨(dú)立檢測(cè)器，從而大大提高了檢測(cè)微型物體的能力。

　　今年 7 月 21 日至 26 日在美國(guó)夏威夷州的首府火奴魯魯將會(huì)舉辦計(jì)算機(jī)視覺(jué)與模式識(shí)別國(guó)際會(huì)議(CVPR 2017)，科研團(tuán)隊(duì)屆時(shí)將會(huì)發(fā)表詳細(xì)的報(bào)告。目前網(wǎng)絡(luò)版報(bào)告已經(jīng)發(fā)布，雷鋒網(wǎng)將持續(xù)關(guān)注后續(xù)動(dòng)態(tài)。