8月30日中午,在将门技术社群,新加坡国立大学在读博士生赵健分享了“基于深度学习的任务图像理解:人脸识别与人物解析”,介绍了他博士期间在这个领域的多个代表工作—DA-GAN、PIM和3D-PIM,ICCV 2017 MS-Celeb-1M大规模人脸识别Hard Set竞赛、Random Set竞赛与Low-Shot Learning竞赛三项冠军的获奖工作,CVPR 2017 LIP人物解析竞赛的获奖工作,MHP v1.0与MHP v2.0。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
人脸识别
+关注
关注
76文章
4005浏览量
81751 -
深度学习
+关注
关注
73文章
5491浏览量
120958
原文标题:回顾 | 新加坡国立大学博士生赵健:基于深度学习的任务图像理解—人脸识别与人物解析
文章出处:【微信号:thejiangmen,微信公众号:将门创投】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
人脸识别技术的60年发展史
要。然而,以上所有这些经典方法,都难以处理大规模数据集的训练场景。2014年2014年前后,随着大数据和深度学习的发展,神经网络重受瞩目,并在图像分类、手写体识别、语音
发表于 06-20 13:29
LabVIEW人脸识别设计
系统与试卷,公布综合成绩3、挑战成功学员在3-5个工作日之内即可收到退款【课程介绍】本课程主要以LabVIEW视觉和第三方开源深度学习库,实现人脸识别功能。
发表于 04-28 10:00
【米尔MYD-C7Z020开发板试用申请】H.265图像压缩与人脸识别
使用技巧。②通过学习米尔MYD-C7Z020开发板的软件和系统,了解实际应用案例,熟悉Xilinx FPGA开发过程③基于米尔MYD-C7Z020开发板,筹备“H.265图像压缩与人脸识别
发表于 11-04 15:09
深度学习技术让反人脸识别技术和人脸识别技术的人工智能算法相互对抗
迫切需要更好地理解这些模型容易受到攻击的方式。在图像识别领域,在图像中添加小的、往往不可察觉的干扰就可以欺骗一个典型的分类网络,使其将图像错误地分类。
深度学习中图像分割的方法和应用
介绍使图像分割的方法,包括传统方法和深度学习方法,以及应用场景。 基于人工智能和深度学习方法的现代计算机视觉技术在过去10年里取得了显著进展
浅谈关于深度学习方法的图像分割
许多计算机视觉任务需要对图像进行智能分割,以理解图像中的内容,并使每个部分的分析更加容易。今天的图像分割技术使用计算机视觉
人脸识别技术的精度提高及其应用
人脸识别技术是一种重要的生物识别技术,广泛应用于安全防护、金融支付、门禁系统等领域。为了提高人脸识别技术的精度,研究人员采用了多种方法,如
评论