羅傑斯人工智能股份有限公司
真實世界是由高維度組成

為什麼我們選擇3D而非2D?

防範偽活體攻擊
對妝髮變化的敏感度
姿態辨識能力
遮擋影響
2D
容易以照片、面具、或動態影片來突破;在面對仿真人頭時,缺少辨別能力
如果以化妝或飾品改變「視覺深度」,2D辨識很容易被欺騙
人臉正對鏡頭時,才容易辨識成功
遮擋臉部會減少2D辨識依據,較不容易辨識成功
RogersAI-3D
註冊時建立3D人臉模型,因此無法以照片、面具、動態影片等辨識成功,在仿活體攻擊上比2D優異
可成功辨識戴眼鏡、蓄鬍、更換髮型、化妝後的狀態
人臉對鏡頭角度較大時也可辨識成功
臉部分遮擋、亦有高辨識能力
當視覺辨識遇上3D

從AI視覺辨識歷史看發展與趨勢

逐漸成為人臉辨識的趨勢
3D視覺辨識

鏡頭、處理單元與

機器學習的大幅進展、

平面到立體的視覺辨識,

3D視覺辨識逐漸成為人臉辨識的趨勢

人工神經網路

(Neural Network,NN)模型被心理學家提出

1943

感知機被發明

能進行簡單的視覺辨識,例如區分不同形狀

1957

歷史第一個視覺辨識專題

MIT AI實驗室共同創辦人 Marvin Minsky開啟實驗室第一個視覺辨識專題

1966

視覺辨識技術商業化

推出基於 ORC 技術的 Kurzweil Computer 產品,可以辨識各種形式字體,這也是將視覺辨識技術商業化的一個轉折點

1974

AI寒冬(1980~
1990)

Sirovich 與 Kirby 提出特徵臉(Eigenface)進行人臉辨識,被認為是第一種有效、高效的人臉辨識算法

1987

Facebook照片辨識

Facebook開始照片標籤與辨識功能

2011

Deep learning取代SVM

ILSVRC大賽中,深度學習網路Alexnet,以Top-5錯誤率15.4%竄起,此後機器學習技術漸由Deep learning取代了SVM

2012

人臉支付

阿里巴巴馬云於CeBIT上展示人臉支付下單淘寶

2015

IPhone Face ID

IPhone推出Face ID,以3D鏡頭進行人臉辨識

2017

3D視覺辨識

逐漸成為人臉辨識的趨勢

鏡頭、處理單元與機器學習的大幅進展、平面到立體的視覺辨識,3D視覺辨識逐漸成為人臉辨識的趨勢

NOW

問題與解答Q&A

加入我們,有甚麼優勢