GPU加速戴口罩人脸识别.pdf

《GPU加速戴口罩人脸识别.pdf》由会员分享，可在线阅读，更多相关《GPU加速戴口罩人脸识别.pdf（33页珍藏版）》请在三个皮匠报告上搜索。

1、戴口罩人脸识别 海帆数据科技有限公司 创始人：王涛 分享目录 1. 课题产生 实现目标 技术实力 2. 技术攻坚3.成果与实践 问题整理 难点攻克 成果获得 产品打造 案例落地 4.总结和展望 技术突破点 Nvidia产品优势 未来展望 戴口罩人脸识别 课题产生 课题产生：期待目标 戴口罩也能人脸识别 20年初，新冠疫情持续，戴口罩是大家认可的减少传染机会最有效的手段之一,一时间戴口罩成 了出行和出入公共场所的标准配置，传统人脸识别场景遇到了前所未有的挑战 产生如下新问题： 摘下口罩识别，易传染，不安全 识别率低，通行不畅，更加剧了风险 摘口罩的不便，让人脸识别失去了优势 戴着口罩精准人脸识别

2、 逐步成为当前刚需 课题产生：我们的技术实力 公司成立于2018年，通过成熟的AI自研算法和大数据分析能力， 进行AI方案落地，针对传统行业领域进行AI赋能，打造智慧解决方案。 公司成立2年来，在AI方面也取得了很多不俗的成绩。我们在 2019年的斯坦福DAWNBench深度学习榜单的比赛中，一举获得第 五名的好成绩。 2019年，海帆数据联合京东AI为江宁民政打造了智慧养老银发助 餐人脸识别私有云平台，目前已经完成了近70个网点的部署 2020年，海帆在校园，商超，景区，案场，厂区等多个场景都实 现了AI落地。 南京海帆数据科技有限公司 戴口罩人脸识别 技术攻坚 技术攻坚：遭遇问题 第一阶段

3、：识别精度打磨 1.难以快速采集戴口罩照片数据集问题 解决方法： 采用图片裁剪法，生成特定区域的有效 人脸数据集（750万张） 2.人脸特征值大幅度缺失问题 解决方法： 选择了复杂度更高的神经网络，从而能 够提取更细节的特征 3.人脸关键点检测模型误差问题 解决方法： 重新标记数据，构建新的网络算法 技术攻坚：遭遇问题（2） 第二阶段：识别性能提升 1.云端GPU训练算力不足问题 2.云端GPU推理延迟大吞吐量高问题 3.边缘端GPU算法迁移推理性能问题 技术攻坚：难点攻克之一 优化算法 困难一：原有人脸特征点检测难适用 测试发现原有的人脸关键点检测模型(人脸矫正)，应用 于戴口罩人脸中存在误差,导致人脸对齐效果很差，识 别精度低（只有50%左右），最终影响识别准确率。 解决：重新标注数据 重新标注10000张戴口罩人脸和5000张不带口罩人脸 5个关键点(左眼，右眼，鼻子，左嘴角和右嘴角