阅读提示：为防止内容获取不全，请勿使用浏览器阅读模式。
林一将众人带到会议室里，语音打开了投影。
像这些细分的技术，小柒都帮林一做好了ppt，随时方便培训新员工。
现在这种偏向技术向的ppt给这些大佬看最合适不过了。
林一对着会议室里面的院士侃侃而谈：“人脸识别属于我们人工智能技术的一个分支，我们称为‘火眼金睛"系统。它分模块，人脸采集、人脸检测、人脸图像预处理、人脸特征提取、人脸图像匹配和识别。”
“采集自然是不用多说，主要是通过设备或模块，自动搜索、跟踪并拍摄人脸图像、视频流等。”
“人像检测，主要在采集到的图像、视频流中，准确标定出人脸的位置、大小形象，并将有用的信息挑出来，用于人脸识别的预处理。”
“人像预处理，基于人脸检测结果，对图像进行预处理。”
“人像特征提取，人脸包含眼睛、鼻子、嘴巴、下巴、眉毛、耳朵、头发、肤色等，基于人脸器官的形状、描述以及之间的距离、特性转换成特征数据，进行存储。”
“人脸图像匹配和识别，提取的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出，并进行识别。这里使用的数据库是我们自研的数据库，能完美匹配我们的智能算法。”
虽然人脸识别在上个世纪就提出来了，但是真正得到发展还是在2013年以后，现在大多数研究人员还处于实验室阶段。
几位院士听了林一的介绍后，也是暗自点头，其中兴趣最大的黄院士继续问道：“在我们研究的过程中，环境对于识别率的影响还是很大，你们是怎么解决这个问题的？”
林一解释道：“在我们预处理环节就解决这个问题了。在实际操作中，人像的清晰度、光线、角度等等问题，这些都会影响识别准确率。我们自研的智能图像修复技术，包含图像精度修复、光线补偿、几何校准等等，有效的排除了环境因素，基本可以将图像放在同一标准环境下比对，大大提高了准确率。”
黄院士明显对于这套算法很感兴趣，接着问：“你刚刚提到的整个流程中，最难的部分无疑是人像特征提取部分，你们的算法是如何处理的？”
林一用手机将小爱app投屏到屏幕中，指着这个软件说道：“不知道各位使用过这个app没有？”
舒院士接话道：“小林啊，其实在你们小爱app上线之后没多久，我在海外的学生就推荐我去了解使用了，在那时候已经关注到你们公司了。只不过那时候的软件功能还是比较单一，只能进行简单的聊天功能，不过已经是在人工智能语音处理行业里面数一数二的存在了。”
“舒院士，其实您了解少了，虽然小爱app看似只有语言聊天功能，实际上很多国外用户使用我们的app进行视频聊天，我们就通过这些大量的图像数据供给‘女娲"系统‘深度学习"，经过了千万级别用户，十数亿次的交互学习，现在人脸识别精度提高至99.99%了。”
林一笑着解释道，不给满分只是不让自己停止追求更高的技术。
“不瞒您说，我们在存储了大量的海外用户信息，每月需要在全球云服务商那里，花费千万美元购买服务器资源。”
大家听后都在感叹有钱任性，说实话华夏的科研很多时候是靠人才时间去拼搏的，很少能有林一这么大资金的投入，只能说【钞能力+人才+时间投入】见效更快。
不过钞能力自然是被院士们忽略了，被林一提出的“深度学习”概念吸引了。
黄院士很是疑惑：“目前，人脸识别技术在业内基本形成了共识，能够取得最好的识别效果的方式，就是基于局部描述子进行特征提取和子空间方法进行特征选择的方式。
本章未完，请点击下一页继续阅读》》