人脸技术在时尚电商平台的应用实践.pdf

人脸技术在时尚电商平台的应用实践 技术创新，变革未来 提纲 • 电商中为什么需要图像算法 • 人脸检测 • 人脸特征点定位 • 人脸识别 • 总结 2 提纲 • 概述：电商中为什么需要图像算法 （5 ） PART 1: • 人脸检测 （25 ） • 人脸特征点定位 （15） • 人脸识别 （5 ） PART 2: • 总结 （2 ） 3 PART 1 • 概述：电商中为什么需要图像算法 （5 ） • 人脸检测 （25 ） 5 1. 电商中的图像数据 • 海量的图像数据 • 商品信息的结构化：类目+ 属性 • 丰富的业务场景 5 人脸技术的业界现况 ⚫基于深度学习的人脸技术日益流行，并取得显著成绩 ◼ 基于Faster-RCNN的人脸检测算法在FDDB上名列第一 ◼ Google的FaceNet在LFW上取得了99.63%的人脸识别成绩 ◼ Face++基于CNN的人脸特征点定位算法，在公开数据集300W上取得第一名 挑战：深度学习对大量计算资源的需求、复 杂的模型 （几十MB到几百MB），使得上述技 术难以应用在移动端 6 人脸技术的业界现况 ⚫传统算法的人脸技术 ⚫效果上不及深度学习算法 ⚫计算资源消耗少、模型简单，更适合应用在目前的移动设备上 ⚫基于深度学习的人脸技术 ⚫准确率高 ⚫模型复杂度高，对存储资源、计算资源的要求较高 ⚫势必更加普及：处理器的发展+深度学习的优化技术 7 人脸相关技术概述 ⚫基于业界基础，我们进行了人脸技术的自主研发 ⚫已完成人脸检测、人脸特征点定位、人脸识别等多种技 术的SDK ⚫主要服务于以下业务 ⚫直播 ⚫时尚内容 ⚫电商应用 ⚫支付金融 8 人脸相关技术概述 • 根据技术种类划分，有以下三类： 1. 人脸检测 2. 人脸特征点定位 3. 人脸识别 • 根据应用场景划分，有以下三类： 1. 移动客户端：直播流 2. 移动客户端：拍照图片 3. 服务器端上：图片库处理 9 2. 人脸检测技术 ⚫人脸检测: ⚫ 定位图片中人脸的位置 ⚫ 相对成熟的技术，广泛应用于移动端、服务器端、嵌入式端等设备。 ⚫难点：保证检测准确率的同时，还需要有非常高的检测速度，以便留给后 续模块足够的处理时间。 ⚫针对不同应用场景开发了两套人脸检测算法。 Face Detection