همه چیز در مورد تشخیص چهره برای مشاغل

تشخیص چهره محدود به حوزه علوم کامپیوتر نمی باشد. این برنامه کاربردهای تجاری کاملی دارد.


یکی از گرمترین کلمات کلیدی این دهه ، تشخیص چهره است.

این بخشی از یادگیری ماشین کاربردی است که می تواند چهره های انسان را شناسایی و شناسایی کند ، مشکلی که تاکنون برای رایانه ها بسیار دشوار بوده است. و با این اتفاق ، جهان کاملاً جدیدی از امکانات و چالش های هیجان انگیز برای مشاغل ، دولت ها و افراد به طور یکسان باز شده است.

اگر شما یک رهبر مشاغل هستید و سؤال کرده اید که سر و صدا همه چیز چیست ، و اینکه آیا در این پیشرفت جدید ابزاری وجود دارد ، ما شما را تحت پوشش قرار داده ایم. در این مقاله ، ما به تاریخچه تشخیص چهره ، توسعه آن ، کاربردهای فعلی ، مشاجرات ، استقرار و بسیاری موارد دیگر خواهیم پرداخت.

در پایان آن ، درک کاملی از فناوری تشخیص چهره در دست دارید و پیامدهای آن برای مشاغل چیست.

بیا شروع کنیم!

تکامل تشخیص چهره

برای کلیه موارد مورد علاقه و رسانه های پیرامون تشخیص چهره ، این فناوری مدت مدیدی است. اولین کار جدی الگوریتمی در تشخیص چهره ها بود چارچوب تشخیص شیء ویولا-جونز اگرچه یک چارچوب کلی برای شناسایی اشیاء موجود در تصاویر ، سریعاً برای موفقیت در تشخیص چهره با موفقیت بسیار خوب به کار رفت. دلیل اصلی محبوبیت این الگوریتم سرعت آن بود؛ در حالی که روند آموزش به طرز فجیعی کند بود ، روند تشخیص بسیار سریع انجام شد.

در اوایل 2001/2004 ، میانگین رایانه رومیزی که این الگوریتم را اجرا می کند ، توانست در یک 0.07 ثانیه فریم 300px X 300px را پردازش کند (بیشتر اینجا) نرخ دقت, اگرچه قابل مقایسه با آنچه انسان می تواند به دست آورد ، در 90 at چشمگیر بود.

با این حال ، پیشرفت واقعی تا دهه 2010-2020 صورت نگرفت ، چه موقع شبکه های عصبی تکاملی به عنوان بهترین روش برای انجام تشخیص چهره ظاهر شد. دلیل این امر در دسترس بودن قدرت پردازش خام و خاطرات غول پیکر سیستم است که از طریق محاسبات ابری توسط ارائه دهندگان خدمات زیرساختی به عنوان خدمات (IaaS) فراهم می شوند. برای اولین بار در تاریخ ، رایانه ها به طور مداوم در تشخیص چهره ها ، انسان را مورد ضرب و شتم قرار می دادند ، به ویژه هنگامی که تعداد زیادی از چهره های تصادفی درگیر شدند.

منبع: medium.com

چگونه تشخیص چهره کار می کند?

تشخیص چهره یک فرایند چند مرحله ای است که چندین زیر سیستم تخصصی در آن نقش دارند.

در اینجا مراحل مختلف به چه معنی است:

تشخیص / ردیابی: این بخش از مرحله پیش پردازش وظیفه شناسایی و ردیابی چهره ها در پرونده یا تصویر تصویری داده شده را بر عهده دارد. پس از اتمام این روند ، ما با اطمینان می دانیم که چهره ای در ورودی داده شده وجود دارد ، و می توان آن را بیشتر پردازش کرد. مرحله ردیابی همچنین وظیفه ردیابی قسمت های خاص ، ویژگی ها یا عبارات خاص را در صورت نیاز دارد.

هم ترازی: مشکل تشخیص چهره پیچیده است زیرا چهره هایی که در یک تصویر یا ویدیوی معین وجود دارند ، هیچ دستورالعمل را رعایت نمی کنند. ممکن است فرد در داخل یا خارج بزرگنمایی شود ، از پشت یک درخت بچرخد ، یا در نمای جانبی حضور داشته باشد و مشکل تشخیص چهره را حتی سخت تر کند. اینجاست که ترازی صورت وارد می شود: به ما می گوید خطوط صورت در کجای تصویر / ویدیوی مشخص شده ، و چه ویژگی هایی برای چهره وجود دارد.

منبع: csc.kth.se

استخراج ویژگی: همانطور که از نام آن پیداست ، در این مرحله از روند (اکنون ما در مرحله تشخیص هستیم) ویژگی های فردی صورت مانند چشم ، بینی ، چانه ، لب و غیره به شکلی استخراج می شود که می تواند باشد. مورد استفاده توسط الگوریتم ها در مرحله بعدی. در این مرحله ، کامپیوتر داده های سخت را به اندازه کافی جمع کرده است تا یک چهره را جداگانه بیان کند.

تطبیق ویژگی / طبقه بندی: در این مرحله ، ورودی های دریافت شده از استخراج ویژگی با داده های داده شده مطابقت دارد تا هویت شخص را استنباط کند. این مرحله همچنین به عنوان طبقه بندی شناخته می شود ، زیرا ممکن است الگوریتم برای طبقه بندی چهره به جای شناسایی فردی از آنها لازم باشد..

پس از اتمام این روند ، ما با اطمینان می دانیم که صورت داده شده بخشی از بانک اطلاعاتی است که ما در برابر آن قرار دادیم یا خیر. خروجی نهایی همچنین ممکن است حاوی برچسب زدن باشد ، روشی که قبلاً در Facebook استفاده کرده ایم.

منبع: drejtimdatascience.com

ملاحظات استقرار: سمت سرور در مقابل مشتری

تشخیص چهره می تواند هم در سرور و هم در دستگاهی که کاربر در آن تعامل دارد کار کند. به عنوان مثال ، هنگامی که عکسی را در فیس بوک بارگذاری می کنید ، الگوریتم ها در سمت سرور اجرا می شوند. از طرف دیگر ، یک سیستم شناسایی که از چهره شما برای باز کردن قفل دستگاه استفاده می کند ، باید در سمت مشتری اجرا شود. خب، کدوم بهتره?

راستش ، اینگونه نیست که کدام یک بهتر است. هر دو استقرار سمت سرور و مشتری دارای نقاط قوت خود هستند و در عمل ، مشاغل یک سیستم ترکیبی را مستقر می کنند. روش توصیه شده آموزش مدل های خود در سمت سرور است ، جایی که داده های آموزش و منابع پردازشی بدون محدودیت هستند. پس از آموزش مدل ها ، می توان آنها را در کنار مشتری بسته بندی و مستقر کرد که باعث افزایش سرعت سیستم و همچنین حفظ حریم شخصی کاربر می شود.

ارسال همه چیز به سرور تأخیر را ایجاد می کند ، که در موارد خاص می تواند بد یا غیرقابل قبول باشد. در عین حال ، نگه داشتن همه چیز در سمت مشتری منجر به مدل های ضعیف تری خواهد شد.

تشخیص صورت چقدر دقیق است?

دقت یک اصطلاح کاملاً تعریف شده در تشخیص چهره نیست. دلیل اصلی این است که این مشکل با انواع ورودی های کم نور (کم نور ، چهره ای که تا حدی از مو پوشیده شده است ، دارای کیفیت دوربین و غیره است) و حتی ورودی های فریبنده (حتی بیشتر در مورد این بعد!) یک مشکل فازی است. در نتیجه ، شبکه های عصبی درگیر در تشخیص چهره باید برای حل مشکل در نظر گرفته شده و دامنه آن محدود شود. بنابراین ، در حالی که ممکن است یک سیستم تشخیص چهره صنعتی دارای 100٪ دقت (که غالباً اینگونه است) باشد ، ممکن است در صورت درخواست شناسایی چهره در یک عکس شلوغ ، همان سیستم حتی 20٪ دقیق نباشد..

در یک پژوهش, یک نوع خاص از الگوریتم تشخیص چهره قادر به دستیابی به دقت 98.52٪ ، بالاتر از دقت انسانی 5/97٪ بدست آمده در همان آزمون بود. در دیگری مطالعه انجام شده در پزشکی قانونی ، ترکیبی از قضاوت انسان و الگوریتم ها در بعضی موارد بهترین نتیجه را به دست آورد.

خط پایین – برای برنامه های کاربردی متمرکز و تعریف شده ، تشخیص چهره بهترین ابزاری است که ما در اختیار داریم.

تشخیص چهره در کجا مورد استفاده قرار می گیرد?

حتی در مدت کوتاهی که الگوریتم های قابل استفاده ایجاد شده اند ، تشخیص چهره کاربردهای فوق العاده ای مفید و هیجان انگیز پیدا کرده است. برخی از این موارد کاملاً آشکار است ، اما برخی آنقدر کاملاً زیرکانه و اساسی در زندگی روزمره بافته شده اند که به سختی مکث می کنیم تا درباره آنچه در زیر است فکر کنیم.

فیس بوک شاید رایج ترین نمونه سیستم های مدرن تشخیص چهره در محل کار باشد. به محض بارگذاری عکس ، شبکه اجتماعی قادر به شناسایی چهره ها است. در حالی که چند وقت پیش از شما خواسته شد تا دوستان خود را برچسب گذاری کنید ، اکنون فیس بوک قادر است به تنهایی این کار را انجام دهد.

منبع: labnol.org

ویژگی جدید برنامه جالب توسط فیس بوک است اطلاع رسانی کاربران وقتی عکسهایی که حاوی چهره آنهاست توسط شخصی بارگذاری می شود ، حتی اگر در آن عکس ها برچسب گذاری نشده باشد.

اسنپ ​​چت استفاده های سنگین در تشخیص و تشخیص چهره برای بسیاری از ویژگی های آن انجام می دهد ، مهمترین آنها فیلترهای خنده دار که چنین عصبانی هستند.

منبع: gistreel.com

برای اینکه این فیلترها کار کنند ، باید صفحات و ویژگی های چهره فرد کاملاً مشخص شود ، در غیر این صورت پوشش های فوق واقعی به نظر نمی رسند. همین مورد برای Face Swap ، یکی دیگر از ویژگی های محبوب Snapchat نیز در نظر گرفته شده است. در صورت علاقه به عمیق تر شدن در قابلیت های اسنپچات در تشخیص چهره ، ببینید اینجا.

حال بارگذاری مدتی است که با نگرانی های مربوط به حفظ حریم و امنیت و امنیت روبرو است و جدیدترین سلاح در زرادخانه شرکت تشخیص چهره است. این شرکت ویژگی جدیدی را در آنجا تأیید کرده است که هویت رانندگان و همکارانش توسط آن تأیید می شود با استفاده از صورت آنها. این شرکت در وبلاگ خود می گوید که پس از آزمایش چندین فروشنده فناوری تشخیص چهره ، آنها به دلیل کیفیت بالا در Microsoft Face API مستقر شدند. جالب اینجاست که این بررسی ID در زمان واقعی در شرایط کم نور کار می کند و قادر به شناسایی عینک است.

با تشخیص چهره در طبیعت موفقیت آمیز است ، می توان پیش بینی کرد که به زودی می تواند جایگزین روش های شناسایی دیگر در موسسات آموزشی ، بیمارستان ها ، کتابخانه ها و غیره شود..

پیشگیری از جرم خرده فروشی فرمت طبیعی کاربرد تشخیص چهره است. صنعت خرده فروشی تخمین زده می شود 45 میلیارد دلار هر ساله به مغازه داران و سایر جرائم خرده فروشی ، با تعداد بسیار کمی برای مقابله با آن. اکنون ، شرکت هایی مانند FaceFirst به خرده فروشان کمک می کنند تا از تشخیص چهره برای شناسایی مجرمان قبلی و هشدار به مأموران امنیتی استفاده کنند.

نظارت پلیس مانند تمام نهادهای دیگر در آنجا شروع به اذعان به تشخیص چهره می کند. به عنوان مثال ، در انگلیس ، پلیس ولز جنوبی از دوربین هایی استفاده می کند که روی وانت ها ساخته شده است نظارت آسانتر از جمعیت.

منبع: theconversation.com

در حالی که این ابر قدرت تازه در دست پلیس ، بحث های عمومی راجع به حریم شخصی افراد برانگیخته است ، پلیس اعتقاد دارد که این امر به آنها در محدود کردن بهتر ظالمان کمک خواهد کرد. همانطور که ریچارد لوئیس ، معاون رئیس پلیس پلیس ولز جنوبی به این خبر گفت Financial Times:

اگر شخصی را که مرتکب جرم شده است (که قبلاً] شناسایی می کنید ، اساساً می گویید: ما می دانیم که شما اینجا هستید ، لطفاً خودتان رفتار کنید.

مراقبت های بهداشتی اخیراً یک برنامه غیر منتظره داشت ، که در آن تشخیص چهره به تشخیص یک اختلال ژنتیکی نادر به نام سندرم DiGeorge کمک کرد.

سندرم DiGeorge در حدود 1 در 6000 کودک ظاهر می شود و منجر به ناهنجاری ها در چندین قسمت از بدن می شود. در این مورد ، مسئله مراقبت های بهداشتی برای کشورهای فقیر ، که منابع لازم برای مراجعه به روش های تشخیصی گران قیمت را ندارند ، شدیدتر است. به همین ترتیب ، تشخیص چهره ، با حیرت انگیز دقت از 96.6٪ ، امید جدیدی را برای قربانیان سندرم دیژورژ ارائه می دهد.

در هواپیمایی صنعت ، به رسمیت شناختن چهره در حال برداشت است ، و به زودی جای تعویض شبانه روزی را جایگزین می کند. در حال حاضر ، نتایج محدود اما امیدوار کننده ای برای کمک به شما وجود دارد مسافران را شناسایی کنید از آنجا که آنها کشور را ترک می کنند. در حقیقت ، اداره امنیت حمل و نقل (TSA) ایالات متحده تصریح کرده است طرح برای استفاده گسترده از بیومتریک مبتنی بر تشخیص چهره – سایپرز ، باشگاه دانش.

موارد بحث برانگیز تشخیص چهره

فناوری به ما قدرت می بخشد ، اگرچه استفاده خوب یا بد آن به عهده ما است. بنابراین ، بدون تردید که چیزی به اندازه قدرتمند و رادیکال به عنوان تشخیص چهره به روشی مورد استفاده قرار می گیرد که نگرانی در مورد حقوق اساسی و اخلاق انسانی را برانگیزد..

برجسته ترین نمونه استفاده های بحث برانگیز در تشخیص چهره ، عظیم چین است سیستم نظارت که حدود 200 میلیون دوربین را به کار می گیرد تا 1.4 میلیارد شهروند خود را تحت نظر داشته باشد.

منبع: sbs.com

این سیستم افراد را ردیابی می کند و عملکرد آنها را ارزیابی می کند و دائماً متریک به نام خود را به روز می کند امتیاز شهروند. گرچه در داشتن سیستم نظارت قدرتمند کنترل دولتی (ردیابی بدهی های بدهی ، مثلاً) ارزش بسیاری دارد ، اما بیشتر آن را ورود جورج اورول آینده ایست که از نظر دیستوپی تصور می کند ، می دانند. این آینده ای است که دولت ها قدرت نامحدودی بر روی فرد دارند و حریم خصوصی آن وجود ندارد.

نمونه دوم استفاده قابل بحث از تشخیص چهره نیز از چین (با کمال تعجب آور؟) ناشی از چین است. این بار سیستم مدارس است که تشخیص می دهد دانش آموزان در طول کلاس ها “توجه” می کنند. سیستم جدید تشخیص چهره ، اگرچه هنوز گسترده نیست ، اما جایگزین کارتهای شناسایی ، کارتهای کتابخانه ، سیستمهای حضور و غیاب و غیره می شود ، با استفاده از چهره دانش آموز برای شناسایی.

منبع: businessinsider.com

اما نکته جالب این است که این سیستم سطح توجه دانش آموزان ، استفاده از تلفن همراه و غیره را تحت نظر دارد و هنگام عبور از آستانه خاصی به معلم هشدار می دهد.

در حالی که نظارت تصویری با تشخیص چهره منحصر به چین نیست – ایالات متحده آمریکا بوده است تلاش استفاده از آن برای مهار خشونت اسلحه در مدارس – به نظر می رسد این چین بیشتر از هر کشور دیگری این مسئله را انجام می دهد.

مقایسه API های تشخیص چهره محبوب

هنگام استفاده از تشخیص چهره ، گزینه های شما چیست؟ در این بخش ، نگاهی خواهیم داشت به آنچه در آن استفاده مشترک است ، و چگونه راه حل های مختلف در برابر یکدیگر جمع می شوند.

قبل از شروع ، هر چند: یادآوری. این API ها به سرعت در حال پیشرفت هستند ، و احتمالاً شما در پست های وبلاگ قرار می گیرید که می گویند این API فاقد این ویژگی یا آن ویژگی است. تصمیمات خود را بر اساس آن اتخاذ نکنید. ابتدا نیازهای شغلی خود را تجزیه و تحلیل کنید ، ویژگی های ارائه شده را با دقت بررسی کنید ، به دنبال مسیر بروید و تنها پس از آن ذهن خود را جبران کنید.

OpenCV

تحقیقات هوش مصنوعی چاله ای است که فاقد کف آن است. آموزش و تکمیل یک سیستم تشخیص چهره دشوار است ، و بهترین راه حل این است که کنگلومرا با جیب های عمیق و یک ارتش از محققان در دست باشد. با این حال ، اگر نیازهای شما ساده است و دوست دارید کنترل کاملی داشته باشید – و البته ، آماده نگه داشتن یک تیم مهندسی کوچک / کوچک هستید –OpenCV فقط ممکن است برای شما کار کند.

این یک کتابخانه منبع باز ویژوال رایانه است که کاملاً دقیق است و برای همه سیستم عامل های برنامه نویسی در دسترس است. در اینجا مویی است مثال چگونه می توانید یک سیستم تشخیص چهره را با Python و OpenCV در 25 خط کد بپیچید!

اکنون ، ممکن است با برخی وبلاگ ها روبرو شوید که می گویند OpenCV تشخیص چهره ندارد. خوب ، این یک دروغ کامل است ، و اینجا اثبات. در کل ، اگر نیازها ساده و خاص باشند ، OpenCV می تواند انتخاب شغلی برای تجارت شما باشد.

شناخت آمازون

بازشناسی AWS – یکی از بزرگترین ارائه دهندگان ابر در آنجا – ارائه خدمات سنگین است. این یک سرویس کاملاً مدیریت شده و قدرتمند برای پلتفرم AWS است ، و اگر قبلاً از AWS برای استقرار استفاده می کرده اید ، احتمالاً تشخیص بهترین گزینه است.

برخی از ویژگی های ذهن آور که توسط Rekognition ارائه شده است عبارتند از:

  • تجزیه و تحلیل زمان واقعی (همزمان با آپلود یک تصویر یا فیلم در S3)
  • تجزیه و تحلیل گسترده صورت (جنس ، رنگ مو ، بیان صورت ، چشمان باز یا غیره و غیره)
  • مسیریابی (گرفتن مسیر اشیاء مشخص شده در فیلم ها)
  • تشخیص صحنه و فعالیت (در داخل خانه / بیرون از منزل ، “بازی فوتبال” و غیره)
  • تعدیل محتوای ناامن (برهنگی ، به عنوان مثال)

بزرگترین مزایای Rekognition نیز بزرگترین منهای است – شما واقعاً در تلاش خواهید بود تا از خدمات غیر AWS استفاده کنید تا جایی که فقط باید از این امر دست بکشید..

کایروس

در تقابل تند با بازشناسی, کایروس هوش مصنوعی را از طریق API در اختیار شما قرار می دهد (قافیه غیر عمد است ، قسم می خوریم!) ، به شما امکان می دهد کنترل کامل اطلاعات و سرورهای خود را داشته باشید. Kairos خود را به عنوان اولین سرویس حفظ حریم خصوصی ، مورد استفاده قرار می دهد بسیار مهم آمازون و سایر شرکتها که با دولت در هم می پاشند (همینطور است ACLU, راستی).

Kairos هم در تصاویر و هم فیلم ها کار می کند و تمام ویژگی های زیبایی را که از یک API تشخیص چهره مدرن انتظار دارید ، دارد. برخی از ویژگیهای حیرت انگیز موجود در Rekognition را انجام می دهد ، اما اگر به آنها احتیاج ندارید و در حال حاضر داده های خود را مدیریت می کنید ، چرا زحمت می کشید?!

برای کسانی که در مورد حفظ حریم خصوصی بیش از حد پارانوئید هستند و حتی نمی خواهند داده را از طریق سیم برای پردازش ارسال کنند ، Kairos دارای استقرار در محل است ، اما قیمت گذاری به پرونده استفاده شما بستگی دارد و می تواند کاملاً شیب دار باشد.

Google Cloud Vision

Google تصمیم گرفته است تا بین خدمات تشخیص چهره خود برای تصاویر و فیلم ها تفاوت قائل شود. تصویر API به عنوان شناخته می شود Cloud Vision, در حالی که سرویس متمرکز فیلم نامیده می شود هوش تصویری.

در حالی که سرویس متمرکز بر تصویری تقریباً مشابه آنچه AWS ارائه کرده است ، سرویس ویدیویی از ویژگیهای خوبی برای فهرست نویسی و جستجو برخوردار است. این برای شرکت هایی که بایگانی ویدئویی بزرگی دارند که ممکن است بخواهند از طریق آن تجزیه و تحلیل کنند یا مفید باشند ، مفید خواهد بود.

گفته می شود ، Video Intelligence از زمان نوشتن فاقد ویژگی های تشخیص چهره است ، و ظاهراً فقط در Cloud Vision ارائه می شود. ردیابی اشیاء و کشف متن نیز در بتا قرار دارند و این امر بسیار پشت قیمت محصولات آمازون است.

API Azure Face

با توجه به اینکه مایکروسافت پیشنهادات ابری خود را جدی تر از نسخه های رومیزی (سرانجام) ، API Azure Face یک پیشنهاد لذت بخش است این کلیه ویژگی های جالب مورد نظر شما را دارد (تشخیص ، شناسایی ، گروه بندی چهره ، جستجوی چهره های مشابه ، احساسات ، و غیره) ، و با فیلم ها به همان اندازه خوب کار می کند.

اکنون ، این به شدت با تشخیص چهره ارتباطی ندارد ، اما شایان ذکر است که لاجورد همچنین دید رایانه ای به مشتری ارائه می دهد سرویس, که به شما امکان می دهد مطابق نیاز خود از ورودی ها و مدل های آموزش استفاده کنید.

درست مانند سرویس Google ، یک زمین بازی درست در صفحه اصلی موجود است ، که تست API را بسیار سرگرم کننده می کند!

آیا تفاوت های قابل توجهی در بین سرویس های برتر تشخیص چهره وجود دارد؟ نه واقعا. در حال حاضر رقابت شدید در این زمینه وجود دارد و ویژگی های جدید سریعتر از پیتزا ها دور می شوند. اگر قبلاً با یک اکوسیستم خاص گره خورده اید ، استفاده از خدمات تشخیص چهره آنها معنی دارد. در غیر این صورت ، ممکن است بخواهید یک فروشنده متفاوت را انتخاب کنید اگر نیازهای شما خاص باشد (کنترل داده های شخصی ، نیاز به تشخیص ساده و غیره).

سیستم های تشخیص ضد چهره

درست همانطور که برخی از محققان زندگی خود را به کمال تکنولوژی تشخیص چهره اختصاص داده اند ، برخی دیگر مشغول توسعه تکنیک هایی برای فریب آنها هستند. یکی از چنین پیشرفتهای جالب توجه است شیشه های مخالف, که در غیر این صورت طبیعی به نظر می رسد اما سیستم های تشخیص چهره متخصص را فریب داده است.

منبع: digitalaltrends.com

به گفته این محققان ، این عینک ها هنوز در بازار موجود نیستند ، گرچه محققان می گویند که این تصاویر به راحتی قابل چاپ هستند.

یکی دیگر از پیشرفت های جالب ، راه اندازی بود عینک ekō در Kickstarter اگرچه این محصول در حال حاضر لغو شده است ، اما بر روی یک ایده بسیار جالب کار کرده است: عینک آفتابی معمولی روزمره با 45 دلار که به راحتی نور را منعکس می کند ، باعث می شود دوربین ها و دستگاه های نظارت تصویری به سمت بکر بروند..

درست مانند حوزه امنیت سایبر ، “هکرها” و محققان شاخ و برگها را در تشخیص چهره برای مسابقه به کمال قفل می کنند. در حدود سال 2014 ، محبوبیت آن را دیدیم آرایش استتار نامرئی بودن در برابر تشخیص چهره ، اما دیگر قابل دوام نیستند. آیا رمزگذاری AES در تشخیص چهره وجود خواهد داشت؟ فقط زمان می تواند بگوید!

آیا تشخیص چهره برای شما است?

نوع مشاغلی که می تواند از تشخیص چهره بهره ببرد این است که مشاغل را درگیر می کند – بله ، این بدان معنی است که هر مشاغل خارج از کشور وجود دارد! اگرچه به نظر می رسد که استفاده های فعلی از تشخیص چهره توسط دولت ها ، مشاغل بزرگ یا استارتاپ های فنی مورد حمایت قرار می گیرد ، هیچ دلیلی وجود ندارد که مشاغل شما نتواند از آن بهره مند شود.

این فرصت ها واقعاً بی پایان است وقتی ما کمی تفکر خلاق را با هم ترکیب می کنیم — تبریک و شناسایی مشتری در هتل ، قرار دادن دوست خود در یک دریا از مردم ، پیدا کردن افرادی با چهره های مشابه (شاید به عنوان بازیگر مورد استفاده قرار بگیرند) ، شخصیت ها را برای کار شناسایی کنیم. مصاحبه ها (دوباره ، ما فقط به این خیال می پردازیم که تخیل در اینجا وحشیانه است ؛ ممکن است در چنین مطالعه ای چیز مهمی وجود نداشته باشد) ، تجربه سفارشی بانکی را هنگامی که یک مشتری با ارزش بالا راه می رود سفارشی می کند. . . روش های بی پایان برای استفاده بهتر از تشخیص چهره در سطوح کوچک و بزرگ وجود دارد تا فعالیت شما بهتر انجام شود.

نتیجه

خیلی زود تشخیص چهره چنان گسترده و رایج خواهد شد که حتی متوجه آن نمی شویم (مانند تلفن های همراه؟). فن آوری زیرین تقریباً کامل شده است ، اما در دنیای واقعی فقط به کشف چهره نمی پردازیم بلکه مربوط به کارهایی است که می توانیم با این توانایی انجام دهیم.

به نظر می رسد جالب و علاقه مند به یادگیری بیشتر؟ اینو ببین دوره درخشان در مورد Computer Vision.

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map