通信电缆 网络设备 无线通信 云计算|大数据 显示设备 存储设备 网络辅助设备 信号传输处理 多媒体设备 广播系统 智慧城市管理系统
深圳市科葩信息技术有限公司
深圳市科葩信息技术有限公司
科葩人脸识别专注为楼宇、企业、学校、园区、银行、酒店、地产、厂矿、景区等提供基于人脸识别的产品设备系统解决方案与增值服务运营
科葩慧眼人脸识别解决方案充分应用人脸识别技术，将员工、业主、访客、非法入侵人员通过针对性的子系统进行有效地管理，不仅提高了管理效率，也真正实现了提前预防。
相较于传统的安全通行证，慧眼人脸识别系统下访客管理子系统的优点在于：不可窃取，无法借用和复制，就是说，脸部识别是无法被效仿的，在未来，人脸识别也会成为未来较可靠的通行证。
科葩访客子系统主要有v预约、访客数据自动下发功能，针对不同地点的安保等级，物业还可以选择安保再确认、远程开门等功能，全程数字化管理，为访客、被访公司、物业三方提升效率，提升用户体验。
人脸通行子系统更准确高效
传统通行系统具有人卡不一、卡片丢失、卡片易被破解复制、信息准确率没有保障等问题，而慧眼人脸识别系统下的人脸通行子系统不仅可以解放双手、速度快捷地完成通行管理任务，还能够明确责任、准确防伪，保证本人通行、不可替代的1性。
科葩慧眼人脸识别系统下的动态布控子系统能高速抓拍，同时采集比对15张人脸，主要有陌生人预警、VIP迎宾等功能。
出现安全问题，传统摄像头只能事后排查，而科葩动态布控子系统能做到陌生人预警，黑名单报警等功能，只要有非*人员或黑名单人员出现，后台即会发出预警，让安保人员能及时排查，防止安全事件发生。
VIP迎宾功能可以设置VIP名单，当重要宾客到访时，大屏幕上会弹出迎宾画面，为重要嘉宾带来尊贵的体验。
不得不承认，人脸识别技术比现有的基于ID入口系统更快、更强大、更安全。凭借其灵活的设计, 科葩慧眼人脸识别系统还为开发和整合更多的应用程序和服务提供了充足的空间，以满足您未来的安全访问和管理需求。
科葩专业人脸识别设备与应用解决方案提供商
科葩X-Face慧眼人脸识别，助力行业应用智能化变革落地！
---------------------------------------------------
上式红框中是样本特征与类中心的余弦值，我们的目标是缩小样本特征与类中心的角度，即增大这个值。换句话说，如果这个值越小，损失函数值越大，即我们对偏离优化目标的惩罚越大。 也就是说，这样就能进一步的缩小类内距离和增大类间距离，达到我们的目标。基于这样的思想终的损失函数为如下: 原始的 cos(θ) 被换成了 phi(θ)，phi(θ) 的较简单形式其实是 cos(mθ)，之所以在原文中变得复杂，只是为了将定义域扩展到 [0,2π] 上，并保证在定义域内单调递减。 而这个 m 便是增加的 margin 系数。当 m=1 时，phi(θ) 等于 cos(θ)，当 m>1 时，phi 变小，损失变大。超参 m 控制着惩罚力度，m 越大，惩罚力度越大。 为计算方便，m 一般设为整数。作者从数学上证明了，m>=3 就能保证大类内距离小于小类间距离。实现的时候使用倍角公式。 另外：Sphereface 的训练很 tricky，关于其训练细节，这篇文章并没有提到，而是参考了作者前一篇文章 [10]。有关训练细节读者也可以去作者 Github 上去寻找，issues 里面有很多讨论。 Normface Sphereface 效果很好，但是它不优美。在测试阶段，Sphereface 通过特征间的余弦值来衡量相似性，即以角度为相似性的度量。 但在训练阶段，不知道读者有没有注意到，其实 Sphereface 的损失函数并不是在直接优化特征与类中心的角度，而是优化特征与类中心的角度在乘上一个特征的长度。 也就是说，我在上文中关于 Sphereface 损失函数优化方向的表述是不严谨的，其实优化的方向还有一部分是去增大特征的长度去了。 我在 MNIST 数据集上做过实验，以下图片分别为 m=1 和 m=4 时的特征可视化，注意坐标的尺度，就能验证上述观点。 然而特征的长度在我们使用模型的时候是没有帮助的。这就造成了 training 跟 test 之间目标不*，按照 Normface 作者原话说就是存在一个 gap。
智慧城市网 设计制作，未经允许翻录必究 .
请输入账号
请输入密码
请输验证码
