В мире пост-Covid нет никаких сомнений в том, что будущая коммерция будет стремиться установить присутствие в Интернете, прежде чем рассматривать физический магазин. Этот последний сдвиг (или ускорение) в цифровую сферу требует, чтобы правительства и компании по всему миру улучшали свои онлайн-предложения, и даже вынуждает технофобов, которые ранее не решались выполнять задачи онлайн, присоединяться к остальным из нас. В пользовательских сценариях использования и приложениях..

Здесь, в Trueface, мы используем MXNet для обучения наших моделей машинного обучения. MXNet - отличный фреймворк, когда дело доходит до прототипирования и обучения, благодаря надежному и простому в использовании API, который позволяет разработчикам любого уровня подготовки приступить к работе всего с нескольких строк кода. Однако, когда приходит время развертывать наше программное обеспечение в инфраструктуре клиентов, мы часто сталкиваемся с ограничениями памяти и ЦП из-за..

Благодаря большому количеству отличных обновлений Если вам интересно, почему команда Trueface в последнее время ведет себя так тихо, то это потому, что команда инженеров усердно работала над выпуском версии 1.0 нашего флагманского SDK. Это крупное обновление содержит критические изменения для повышения точности, скорости и общей архитектуры SDK. Этот пост в блоге посвящен упомянутым улучшениям. Мы рассмотрим: Совершенно новая модель распознавания лиц: TFV6. Новый бэкэнд TensorRT..

Распознавание лиц без ограничений - сложная задача, а масштабировать ее еще сложнее. В Trueface мы уделяем много времени помощи клиентам в развертывании и масштабировании систем искусственного интеллекта и машинного зрения. Многолетний опыт и итеративное развертывание помогли нам разработать чрезвычайно эффективную и масштабируемую систему, которая может: Извлекайте более 750 шаблонов лиц в секунду на одном графическом процессоре с наиболее точными моделями Trueface (100 слоев +..

Какое влияние на общество оказывает распознавание лиц? В начале 1960-х неназванное спецслужба профинансировало первую попытку автоматизации распознавания лиц… readwrite. com В начале 1960-х годов неназванное разведывательное агентство профинансировало первую попытку автоматизации распознавания лиц. Технологии улучшились, потребности изменились, и с тех пор сбор данных стал значительно умнее, что позволяет распознаванию лиц иметь..

Кто они такие? Как мы их интерпретируем? Как выбрать оптимальный порог для вашего варианта использования? Кривая рабочих характеристик приемника (ROC) - это метрика оценки для двоичного классификатора, которая помогает нам визуализировать производительность модели распознавания лиц при изменении ее порога распознавания. В бинарной классификации мы принимаем бинарное решение, используя непрерывное значение вероятности данной выборки, принадлежащей одному из двух классов. Мы хотим..