a时代下后人脸识别.pptxVIP

;CONT ENTS;1;传统人脸识别各阶段及特征;人工智能和人脸识别深度融合;人工智能对精准识别算法的影响;人工智能给人脸识别蜕变创造条件;数据量：2000年至今互联网及移动互联网的高速发展使得数据实现了量的积累，据IDC预测，2020年全球的大数据总量将为40ZB，其中有七成将会以图片和视频的形式进行存储，这为人工智能的发展提供了丰厚的土壤。 ? 深度学习算法：多伦多大学教授Geoffrey Hinton（致力于神经网络和深度学习研究）的学生在业内知名的图像识别比赛ImageNet中利用深度学习的算法将识别错误率一举降低了10%，甚至超过了谷歌，深度学习进而名声大噪。2015年，微软亚洲研究院视觉计算组在该项比赛中夺冠，将系统错误率降低至3.57%，已经超过了人眼。 ? 高性能计算：GPU响应速度快、对能源需求低，可以平行处理大量琐碎信息，并在高速状态下分析海量数据，有效满足人??智能发展的需求。一次人脸识别算法的迭代训练，用CPU计算，可能要十几天乃至几十天才能完成，效率低、投入高，使得人工智能将创业公司阻隔在外；但是换成GPU后，可能就只需要几小时。 ? 基础设施成本：云计算的普及和GPU的广泛使用，极大提升了运算效率，也在一定程度上降低了运营成本。IDC报告显示，数据基础设施成本正在迅速下降，从2010年的每单位9美元下降到了2015年的0.2美元。;;2;人工智能也有初